KR20110126646A - 만성 질환 모니터링용 장치, 시스템 및 방법 - Google Patents

만성 질환 모니터링용 장치, 시스템 및 방법 Download PDF

Info

Publication number
KR20110126646A
KR20110126646A KR1020117020178A KR20117020178A KR20110126646A KR 20110126646 A KR20110126646 A KR 20110126646A KR 1020117020178 A KR1020117020178 A KR 1020117020178A KR 20117020178 A KR20117020178 A KR 20117020178A KR 20110126646 A KR20110126646 A KR 20110126646A
Authority
KR
South Korea
Prior art keywords
respiratory
breathing
analyzer
subject
monitoring
Prior art date
Application number
KR1020117020178A
Other languages
English (en)
Other versions
KR101712974B1 (ko
Inventor
코너 헤네간
알베르토 자파로니
필립 데차잘
레드몬드 슈다이스
Original Assignee
비안카메드 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 비안카메드 리미티드 filed Critical 비안카메드 리미티드
Publication of KR20110126646A publication Critical patent/KR20110126646A/ko
Application granted granted Critical
Publication of KR101712974B1 publication Critical patent/KR101712974B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0826—Detecting or evaluating apnoea events
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
    • A61B5/411—Detecting or monitoring allergy or intolerance reactions to an allergenic agent or substance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4818—Sleep apnoea
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • Cardiology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Artificial Intelligence (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Immunology (AREA)
  • Vascular Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)

Abstract

만성 질환을 앓고 있는 사람을 모니터링하기 위한 장치, 시스템 및 방법은 대상의 관리에 영향을 미칠 수 있는 생리학적 변화를 예측하고 평가한다. 이와 같은 만성 질환의 예로는 심부전, 만성 폐색성 폐질환, 천식, 및 당뇨를 들 수 있지만, 이에 한정되지 않는다. 모니터링은 호흡 움직임의 측정을 포함하며, 이어 이는 호흡률의 변화의 증거에 대해, 또는 저호흡증, 수면 무호흡증 및 주기적 호흡과 같은 사건에 대해 분석될 수 있다. 모니터링은 호흡 모니터링과 연동하여 야간 심장 박동수의 측정에 의해 증대될 수 있다. 또한 주관적인 증상 데이터, 혈압, 혈중 산소 수준 및 다양한 분자 마커와 같은 부가적인 생리학적 측정치가 획득될 수 있다. 호흡 패턴 및 심장 박동수의 검출에 대한 실시형태는 이들 측정치에 기초하여 결정 과정의 예시적인 구현과 함께 개시되어 있다.

Description

만성 질환 모니터링용 장치, 시스템 및 방법{APPARATUS, SYSTEM AND METHOD FOR CHRONIC DISEASE MONITORING}
본 발명은 대상의 관리에 영향을 줄 수 있는 생리학적 변화를 예측하고 평가하기 위하여 만성 질환을 앓고 있는 사람을 모니터링하기 위한 시스템에 관한 것이다. 이와 같은 만성 질환의 예로는 심부전, 만성 폐색성 폐질환(chronic obstructive pulmonary disease, COPD), 천식, 및 당뇨를 들 수 있지만, 이에 한정되지 않는다.
통상적인 접근법의 한계에 대한 맥락을 제공하기 위하여, 세 개의 주요 질환, 즉 심부전, COPD 및 천식을 위한 만성 질환의 모니터링에 대한 현재 접근법을 간단하게 검토하는 것이 유익하다.
심부전(heart failure, HF)은 상대적으로 일반적이면서 심각한 임상적 상태이며, 인체의 산소 요구를 유지하기 위한 심장의 기능상실을 특징으로 한다. 심부전의 관리는 이의 높은 유행 및 중증도로 인해 현대의 건강관리 시스템에 대한 유의한 도전이다. 심부전은 선진국의 경우 전체 건강관리 예산의 약 2 내지 3%를 차지하고, 65세 이상의 미국인의 입원 원인 중 가장 높은 것으로 추정된다.
심부전은 선천적으로 진행성인 만성 질환이다. 내과의는 전형적으로 1 내지 4 등급으로 이루어진 뉴욕 심장 협회의 주관적 등급 시스템에 따라 질환의 중증도를 분류하며, 등급 4가 가장 심각한 경우이다. 또한 심부전은 이완기 및 수축기 심부전와 같은 부류로 더 분류될 수 있다. 심부전의 진행은 (감소된 심혈관 기능에도 불구하고) 종종 급성의 사건이 간간이 발생하는 장기간에 걸쳐 상대적으로 안정한 것으로 특징지어진다. 이러한 급성 단계에서, 환자는 호흡 곤란(difficulty breathing), 분마성 율동(gallop rhythm), 증가된 경정맥 압력, 및 기좌 호흡(orthopnea)과 같은 증상의 악화를 경험한다. 이는 전형적으로 개방성 울혈(이는 폐 공동 내 유체의 증강임)을 동반한다. 이러한 과량의 유체는 종종 수십 킬로그램의 측정 가능한 체중 증가를 초래한다. 그러나 많은 경우에 있어서, 개방성 울혈이 발생하는 시기에, 의사는 환자를 재-안정화시키는 것을 돕기 위한 제한된 대안이 있으며, 많은 경우에 있어서 환자는 입원을 요한다.
임상적 악화의 검출에 대한 몇몇 접근법이 이미 존재하지만, 한정적이다. 예를 들어, 만성 질환 관리 프로그램의 범위는 HF에 대한 건강관리 반응을 향상시키기 위해 개발되었으며, 이는 증가된 환자 관리 및 감소된 비용 둘 모두에 중점을 두고 있다. 성공적인 프로그램의 임상적 성분으로는 a) 환자의 교육, b) 생리학적 측정 및 증상의 원격 모니터링, c) 임상적으로 유의한 사건을 예측하기 위해 보고된 증상 및 측정을 이용하는 정교한 결정 지지 시스템, 및 d) 개별화된 관리 및 통신에 대한 집중(예를 들어, 환자의 건강에 영향을 미치는 사건에 대한 "순간의 대처")를 들 수 있다.
그러나 심부전에서 임상적 악화의 정확한 진단은 매우 어려울 수 있다. 특히, 종종 입원을 요하는 개방성 울혈의 예방은 특히 중요하다. 체중 측정은 심부전 악화에 대한 상당히 신뢰할 만한 생리학적 가이드인 것으로 나타났다. 이는 심부전 관리에 대한 기타 허용된 전략과 결부되는 경우에 사망률의 감소를 초래할 수 있다. 또한 체중 측정은 단순하면서 비용이 낮을 뿐만 아니라, 환자 자신의 관리에 직접적으로 연관이 있다는 부가적인 생리학적 이점을 갖는다.
그러나 악화의 표지로서 체중 증가에 대한 충고에 대한 광범위한 사용에도 불구하고(예를 들어 환자는 2 내지 3일 동안 2 kg의 증가가 임상의의 외진을 초래한다는 것을 듣게 된다), 임상 현장에서의 체중 증가의 이동식 모니터링의 민감도 및 특이성에 대한 공개된 데이터가 상대적으로 적게 존재하다. 임상적으로 안정한(clinically stable, CS) IV 부류 환자를 임상적으로 악화된(clinic deterioration, CD) 환자와 구분하는데 있어서 체중 증가의 민감도를 조사하는 그룹은 성과가 매우 제한적임을 발견하였다. 이들 연구원들은 별도의 체중 증가에 대한 적당한 예측 값을 발견하였다. 예를 들어, 48 내지 72 시간에 걸쳐 2 kg의 체중 증가에 대한 임상적 지침은 97%의 특이성을 가지만, 단지 9%의 민감도를 갖는다. 역치 값을 체중의 2%까지 감소시키는 것은 민감도를 17%까지 향상시킨다(특이성은 약간 떨어짐). 일반적으로 이들은, 별도의 체중 증가는 임상적 악화를 검출하는데 있어서 상대적으로 빈약한 민감도를 갖는다(비록 이의 특이성은 양호할지라도).
따라서 필요한 것은 임상적 악화를 예측하기 위해 체중 증가의 민감도에 대한 현재의 제한을 극복하기 위한 시스템 및 방법이다.
또한 뇌성 나트륨 이뇨 펩티드(B natriuretic peptide, BNP)의 측정은 심부전 상태의 평가를 위한 실행 가능한 도구로서 제안되어 왔지만, 이는, 현재 일일 모니터링에 기초하여 임상적으로 사용될 수 없을지라도 현장 자가진단 장치(point-of-care device)를 사용하여 주요 관리 또는 외래 환자 임상 현장에서 구현될 수 있다. BNP 모니터링에 대한 보고에서, 연구원들은 305명의 대상에 대해 92%의 민감도를 보고하였지만, 특이성은 단지 38%였다. 이것이 유망한 접근법일지라도, 비용, 교육 및 환자 편의로 인해 지역사회 관리(community care)에서 BNP를 위한 현장 자가진단을 제공하는 것과 같은 유의한 실용적인 문제가 있다. 따라서 환자의 일일 환경에 배치될 수 있는 심부전의 임상적 악화에 대해 개선되면서도 저비용의 편리한 진단 마커의 개발에 대한 필요성이 존재한다.
따라서 필요한 것은 BNP 모니터링과 같은 접근법과 비교할 때 임상적 악화를 검출하는 특이성을 향상시키기 위한 시스템 및 방법이며, 환자의 가정 환경에서 이용하기에 편리하도록 이와 같은 시스템이 요구된다.
심부전에서의 임상적 악화에 대한 몇몇 잠재적인 마커는 야간 심장 박동수의 변화, 잠자는 자세의 변화 및 호흡의 변화이다. 특히 심부전은 인과관계의 메커니즘이 충분히 이해되지 않을지라도 수면 장애 호흡(sleep disordered breathing, SDB)과 고도로 상호 연관되어 있다. 예를 들어, 독일에서의 최근 연구에 따르면, 71%의 심부전 환자는 시간당 10회 이상의 무호흡증-저호흡증 지수를 갖는다(43%는 폐색성 수면성 무호흡증을 갖고 28%는 1차적 체인-스토크형 호흡(Cheyne-Stokes Respiration, 주기적 호흡)을 가짐). 기타 연구원은 뉴질랜드 연구에서 이들 HF 개체에서 68%의 유행을 보고하였다. 유의한 수면 장애 호흡은 심부전에서의 빈약한 결과와 연관되어 있는 것으로 보고되었지만, 아직까지 어떠한 연구에서도 시간이 지남에 따라 호흡 패턴의 변화를 추적하여 어떻게 심부전이 임상적 안정성과 함께 변화는지를 알 수는 없었다. 예를 들어, 가정 또는 병원에서의 심부전(Hospital in Heart Failure, HHH)에 대한 유럽 전역의 연구에서, 밤사이의 호흡 기록(호흡 인덕턴스 체적변동기록법(respiratory inductance plethysmography)을 이용함)은 443명의 임상적으로 안정한 HF 환자에서 기준점으로 하룻밤 동안 수행되었다. 무호흡증 저호흡증 지수 및 주기적 호흡의 존속 기간은 임상적 악화로 인한 심장성 사망 및 입원의 독립적인 예측인자인 것으로 나타났다. 그러나 야간 기준으로 이들 호흡 파라미터를 평가하기 위한 어떠한 실질적인 시스템도 이들 연구원들에겐 이용 가능하지 못하였다.
또한 야간 심장 박동수 및 심장박동 변동(heart rate variability)의 측정은 심부전에서 임상적 악화의 검출에 도움이 될 수 있다.
현재 시스템이 사용될 수 있는 제 2 만성 질환은 만성 폐색성 폐질환(chronic obstructive pulmonary disease, COPD)이다. COPD는 기도가 좁아지고, 따라서 폐로의 공기 흐름이 제한되는 폐의 질환이다. COPD는 현재 미국에서 4번째의 주요 사망 원인이고, 건강관리 시스템에 대한 이의 추정 비용은 2007년에 420.6억 달러이다. 이는 호흡 곤란 및 증가된 호흡 속도(빈호흡)와 연관되어 있다. 심부전과 관련하여, 종종 박테리아 또는 바이러스 감염으로 인해 COPD의 급성 악화가 발생할 수 있다. 그러나 정확히 무엇이 악화를 구성하고 있는지에 대한 정의, 및 급성 악화를 정확히 예측하기 위한 수단이 의료 공동체에서 활동적인 연구 대상이다. 예를 들어, C-반응성 단백질의 추적 또는 호흡 용량의 측정은 악화를 예측하기 위한 수단으로서 제안되어 왔다. 최대 호기 유속(peak expiratory flow)의 변화는 임상적 악화의 예측을 위해 고려되지만, 민감도가 불충분한 것으로 간주된다.
따라서 필요한 것은 COPD 환자에서 악화를 정확하게 인식하기 위한 신뢰할 수 있는 방법이다. 또한, 필요한 것은 호흡 패턴의 추적을 통해 COPD 환자에서 임상적 악화를 인식하기 위한 시스템 및 방법이다.
호흡률은 COPD의 중증도의 주요 표지인자이다. 예를 들어, 정상의 건강한 성인은 수면 도중에 분당 약 14 내지 16회의 호흡 범위인 호흡률을 가질 수 있지만, 심각한 COPD를 앓는 사람(급성 호흡 부전은 아님)의 휴식시 호흡률은 분당 20 내지 25회 호흡 범위이며, 반면 급성 호흡 부전의 경우에는 이러한 호흡률은 분당 30회 이상의 호흡 횟수까지 증가할 수 있다. 따라서 호흡률의 간단한 모니터링용 시스템은 COPD를 앓는 대상의 상태를 평가하는데 있어서 유용성을 갖는다. 그러나 호흡률을 모니터링하기 위한 현재 시스템은 전형적으로 비강 캐뉼라(nasal cannula) 또는 호흡 노력 벨트(respiratory effort belt)를 이용한 기류의 측정에 기초하며, 안락 및 편의성의 문제로 인해 사람 자신의 환경에서 호흡 패턴의 연속적인 모니터링을 위해 사용되지 않는다. 따라서 필요한 것은 대상이 구비 캐뉼라(oro-nasal cannula)또는 흉부 벨트를 착용할 필요가 없는 COPD 환자에서 악화를 추적하기 위한 시스템이다.
또 다른 만성 질환은 천식이다. 이는, 종종 연기, 향수 및 기타 알레르기 유발항원(allergen)과 같은 하나 이상의 유발요인에 대해 가끔 기도가 수축하고, 염증이 생기며, 과량의 점액으로 덮이게 되는 일반적인 만성 상태이다. 또한 바이러스성 질환은 특히 어린이에서 가능한 유발요인이다. 기도가 좁아지면, 쌕쌕거림, 호흡 곤란, 흉부 압박감 및 기침과 같은 증상이 야기된다. 기도 수축은 기관지 확장제(bronchodilator)에 반응한다. 이들 사건들 사이에서 대부분의 환자가 호전됨을 느끼지만, 가벼운 증상을 가질 수 있다. 그리고 이들은 감염되지 않는 개인보다 더 긴 기간 동안 운동을 한 후에 호흡이 곤란하게 될 수 있다. 가벼운 증상에서 생명을 위협하는 증상에 이르는 천식 증상은 약제의 조합 및 환경의 변화에 의해 일반적으로 제어될 수 있다. 미국 성인 인구에서 천식 유행의 추정치는 10%이고, 따라서 이는 유의한 대중 건강 문제를 나타낸다. HF 및 COPD와 관련하여, 상기 질환은 갑작스런 악화에 의해 나타난다.
천식의 주요 마커는 최대 호기 유속(peak expiratory flow, PEF)이다: 이는 폐활량 측정계(spirometer)로 공기를 불어넣도록 요구함으로써 환자로부터 획득될 수 있다. 그러나 폐활량 측정은 단지 기능의 포인트 측정을 제공하고, 또한 대상의 활동적인 개입을 요구하며, 따라서 어린 아이들에 대해서는 적합하지 않다. 연구원은 PEF와 호흡률 사이의 연결에 대해 앞서 언급하였다. 따라서 필요한 것은 천식을 앓는 대상에서 호흡률을 모니터링하기 위한 시스템 및 방법이다.
또한, 호흡기 세포융합 바이러스(respiratory syncytial virus, RSV)에 의해 야기되는 낭포성 섬유증(cystic fibrosis), 폐렴(pneumonia), 폐성심질환(corpulmonale) 및 감염과 같은 기타 질병은 호흡률 및/또는 야간 심장 박동수를 모니터링할 수 있는 시스템에 의해 더욱 양호하게 모니터링될 수 있다.
발명의 요약
본 발명은 호흡, 심장 박동수 및 기타 임상적 측정치와 같은 생리학적 기능의 측정을 이용하여 만성 질환을 앓는 대상을 모니터링하기 위한 장치, 시스템 및 방법의 다양한 실시형태를 제공한다. 상기 시스템의 전형적인 사용자는 (a) 만성 질환을 앓는 사람 및 (b) 모니터링되는 사람에 대한 관리의 조정에 대한 책임이 있는 임상적인 전문 지식을 갖는 간병인이다.
일 실시형태에서, 대상을 모니터링하기 위한 시스템이 개시되며, 여기서 시스템은 상기 대상의 측정된 호흡 파라미터를 포함하는 신호를 출력하도록 구성된 센서; 및 상기 신호를 수신하여 호흡 파라미터로부터 유도된 복수의 호흡 특징을 적어도 메모리에 저장하도록 구성된 분석기를 포함하되, 상기 분석기는 대상의 건강 평가를 제공하는 출력을 결정하기 위해 상기 복수의 호흡 특징을 선택적으로 조합하도록 구성된다.
다른 실시형태에서, 대상을 모니터링하기 위한 방법이 개시되며, 여기서 상기 방법은 상기 대상의 호흡 파라미터를 측정하는 단계; 상기 호흡 파라미터로부터 유도된 복수의 호흡 특징을 생성하는 단계, 및 상기 대상의 건강 평가를 제공하는 출력을 산정하기 위해 상기 복수의 호흡 특징을 조합하는 단계를 포함한다.
본원에서 개시된 시스템은 임상적 중재를 허용하기 위해 변화의 초기 검출을 제공하며, 심부전에서 임상적 악화의 검출을 향상시킨다. 또한 본원에서 개시된 시스템은 생리학적 파라미터의 정확하고, 비용 효율적이며, 편리한 측정 및 분석을 통해 작용한다. 심부전 관리에서 이러한 시스템의 유용성에 대한 생리학적 기반은 심부전에서 임상적 악화에 대한 마커와 관련하여 상기에서 제공된 관측에 기초한다.
심부전의 평가에서 야간 호흡의 유의성을 고려하면, 본 발명은 호흡 패턴을 측정하기 위한 통상적인 기법의 제한을 극복하고, 환자를 위한 편리한 방식으로 장기간에 걸쳐 야간 호흡 패턴의 측정을 위해 제공된다. 또한 향상된 시스템 및 방법은 임상적 악화의 예측과 관련된 심부전에서의 호흡 패턴의 분석을 위해 제공된다.
상술한 바와 같이 공지된 만성 질환을 앓고 있는 대상의 장기간 모니터링을 제공하는 것 이외에, 본원에 개시된 시스템 및 방법은 또한 사람이 상술한 만성 질환 (기타 만성 질환) 중 하나를 갖는지에 대한 진단을 제공하기에 적합하다. 이 경우, 측정 및 분석은 만성 질환의 모니터링 경우에서와 같이 수행되지만, 야간 (또는 기록 기간) 측정의 제한된 수에 기초하여 진단 결정이 이루어진다.
이하, 본 발명의 실시형태는 첨부된 도면을 참고하여 설명될 것이며, 여기서 두문자어 "a.u."는 "임의의 단위"를 나타내기 위해 그래프 상에 나타나 있다. 호흡 노력 및 심장 박동수에 대해 후술된 신호의 단위는 리터/분(호흡량의 경우) 또는 mm(피부 상의 심탄동도(ballistocardiogram) 변위의 경우)와 같은 더욱 의미 있는 단위로 측정될 수 있다.
도 1은 호흡 패턴, 심장 박동수 및 기타 생리학적 측정치를 측정하기 위한 장치와 함께 대상이 모니터링되는 실시형태의 전반적인 개요를 나타내는 도면이다. 주관적인 증상 데이터를 포획하기 위한 장치가 또한 도시되어 있다. 이는 상기 측정치의 국부적 및 원격 문서보관 및 분석 둘 모두의 가능성을 나타낸다.
도 2는 모니터링되는 사람 주변에 비접촉성 생체 운동 센서가 배열되어 있는 대표적인 실시형태를 나타낸다. 만성 질환 모니터링 시스템의 일부로서 사용되는 호흡 및 심장 박동수 패턴을 유도하기 운동 신호가 사용될 수 있다.
도 3은 생체 운동 센서로부터 유도된 미가공 운동 신호가 어떻게 호흡 움직임, 심장 움직임, 및 회전 또는 팔 움직임과 같은 큰 신체 운동과 연관된 움직임으로 분석되는지를 나타낸다.
도 4는 운동 센서로부터 획득된 I 및 Q 신호에 적용되는 상 변조 공정이 어떻게 더욱 정확한 조합된 움직임 신호를 유도하기 위해 사용될 수 있는지를 나타낸다.
도 5a 및 도 5b는 만성 질환 모니터링 시스템에 사용되는 호흡 패턴의 예를 나타낸다. 도 5a는 호흡 노력 진폭이 수분에 걸쳐 진동하는 주기적 호흡 (체인-스토크형 호흡)의 사건을 나타낸다. 도 5b는 도 2에서 나타낸 생체 운동 센서에 의해 검출된 2종의 수면 무호흡증을 나타낸다.
도 6은 직교(I 및 Q) 신호 및 호흡 노력 신호로부터 유도된 신호의 포락선을 이용하여 도 2에 도시된 생체 운동 센서로부터 유도된 호흡 노력의 두 개의 추정치를 나타낸다.
도 7a는 저호흡증이 나타날 때 어떻게 호흡 포락선이 변하는지를 나타내며, 도 7b는 무호흡증이 나타날 때 어떻게 호흡 포락선이 변하는지를 나타낸다.
도 8a 내지 도 8d는 주기적 호흡의 존재 및 이의 부재 하에 호흡 포락선의 전력 스펙트럼 밀도를 예시하는 단계를 포함하여, 어떻게 주기적 호흡의 존재 및 부재 하에 보다 긴 시간에 걸쳐 호흡 포락선이 변하는지를 나타낸다. 도 8a는 5분의 기간에 걸쳐 측정된 심부전을 앓는 사람의 호흡 포락선이다. 도 8b는 도 8a에 도시된 호흡 포락선의 전력 스펙트럼 밀도이다. 도 8c는 5분의 기간에 걸쳐 측정된 심부전을 앓지 않는 사람의 호흡 포락선이다. 도 8d는 도 8c에 도시된 호흡 포락선의 전력 스펙트럼 밀도이다.
도 9a는 도 2에 도시된 장치를 이용하여 기록된 호흡 노력 신호의 예를 나타내며, 어떻게 30초의 기간의 스펙트럼(도 9b)이 호흡률을 한정하기 위해 사용될 수 있는지를 나타낸다.
도 10은 임상적 수면다원 검사(polysomnogram) 측정치를 이용한 금 표준 호흡 측정치(gold standard respiratory measurements)에 대한 도 2에서 센서로부터 획득된 신호에 기초한 알고리즘을 이용하여 추정된 주기적 호흡을 갖는 대상의 특징적 변조 기간 사이의 일치 수준의 예를 나타낸다.
도 11은 임상적 수면다원 검사 측정치를 이용한 금 표준 호흡 측정치에 대한 도 2에서 센서로부터 획득된 신호에 기초한 알고리즘을 이용하여 추정된 대상의 무호흡증 저호흡증 지수 사이의 일치 수준의 예를 나타낸다.
도 12는 도 2의 비접촉성 생체 운동 센서가 또한 호흡률뿐만 아니라 심장 박동수를 표시한다는 것을 나타낸다.
도 13은 만성 질환에서 임상적 악화를 결정하기 위한 방법의 실시형태를 나타낸다. 도 13a는 심부전을 앓고 있는 사람이 간호사 호출과 같은 중재를 요구하는지를 결정하기 위한 규정 기반 방법을 나타내고, 도 13b는 만성 질환을 앓고 있는 사람이 퇴화를 경험하는 지에 대한 결정을 하기 위해 통계 기반 분류 접근법을 나타낸다.
도 14는 만성 질환을 앓고 있는 사람으로부터의 측정치가 어떻게 보다 긴 기간(수주 또는 수달)에 걸쳐 시각화될 수 있는지의 실례를 나타낸다.
도 15는 본 명세서에서 개시된 시스템을 이용하여 약 3주 기간에 걸쳐 2명의 대상에서 측정된 무호흡증 저호흡증 지수의 예를 나타낸다.
도 1은 본 발명의 실시형태의 전반적인 개요를 나타낸 도면이다. 대상(101)은 호흡 센서(102)를 이용하여 모니터링된다. 호흡 센서의 예로는 복부 유도 밴드(abdominal inductance bands), 비접촉성 생체 운동 센서 또는 기류 센서를 들 수 있다. 모니터링된 호흡 파라미터는 호흡 노력, 호흡 움직임, 호흡량, 또는 호흡률을 포함할 수 있다. 선택적으로, 증상(103)을 포획하기 위한 장치가 또한 포함될 수 있다. 이는 일기장과 같이 간단할 수 있으며, "귀하는 숨이 가쁘다고 느끼십니까," "귀하는 수면 도중에 호흡 곤란을 겪었습니까," "귀하는 어제보다 호전 또는 악화되었다고 느끼십니까," "귀하의 심장이 박동하고 있다고 느끼십니까," 등과 같은 질문을 하는 전자 데이터 포획 장치일 수 있다. 이 같은 전자 장치의 일 실시형태는 맞춤형 소형 PC일 수 있거나, 대안적으로는 주관적인 반응의 음성 포획을 갖는 휴대용 전화가 사용될 수 있다. 사람의 수면 자세는 "귀하는 수면을 위해 얼마나 많은 베개를 이용하십니까"와 같은 간단한 질문을 함으로써, 또는 위치(기울기) 센서를 이용하여 획득될 수 있다.
기좌 호흡(orthopnea)은 심부전에서 일반적인 증상이다. 간단하게는, 증상에 대한 질문은 단지 간단한 네/아니오 반응을 요구하는 것에 제한될 수 있다. 선택적으로는, 또 다른 장치가 임상적 상황을 평가하기 위해 사용될 수 있다. 체중계(104)는 유체 체류로 인한 체중 증가의 객관적인 평가를 통해 심부전을 모니터링하는데 있어서 유용성을 입증하였다. 기타 의료 센서(105)는 ECG 모니터, 혈압 모니터, BNP의 현장 자가 진단 혈액 검정, 폐활량 측정계(이는 강제 호흡량 및 최대 호기 유속을 측정할 수 있음), 산소 농도계(oximeter)(이는 혈중 산소 수준을 측정할 수 있음), 혈중 글루코스 모니터 및 C-반응성 단백질의 현장 자가 진단 혈액 검정과 같이 일체형일 수 있다.
상술한 모든 센서(호흡, 체중계 및 기타 센서)에 의해 이루어진 측정은 데이터 집적 장치(106)에서 함께 집적될 수 있다. 집적 장치(106)는 휴대용 전화기 또는 개인용 컴퓨터, 소형 컴퓨터 또는 맞춤형 컴퓨터 장치일 수 있다. 또한 이러한 집적 장치는 데이터 허브로서 지칭될 수 있으며, 최소한 이는 호흡 센서(102)로부터 집적 장치 자체에 데이터를 전송할 수 있다. 이러한 실시형태의 일 양태에서, 데이터 집적 장치(106)는 또한 수집된 데이터를 원격 데이터 분석기(107)로 전송할 수 있는 기능을 가질 수 있다. 원격 데이터 분석기(107)기 그 자체는 서버 컴퓨터, 개인용 컴퓨터, 이동형 컴퓨터 장치 또는 다른 맞춤형 컴퓨터 장치일 수 있다. 원격 데이터 분석기(107)는 전형적으로 저장, 가공, 메모리 및 계산 요소를 가질 것이다. 원격 데이터 분석기(107)는 전형적으로 데이터베이스 성능을 제공하도록 구성될 수 있을 것이고, 또 다른 데이터 문서 보관, 가공 및 분석 수단을 포함할 수 있으며, 전형적으로는 원격 사용자(예를 들어, 심질환 간호사)가 데이터를 검토할 수 있도록 디스플레이(108)를 통한 디스플레이 기능을 가질 수 있다.
도 2는 호흡 센서의 일 실시형태를 나타낸다. 여기서, 비접촉성 생체 운동 센서(201)는 대상(202)의 호흡 노력 및 심장 박동수를 모니터링하기 위해 사용된다. 이러한 비접촉성 센서는 PCT 공개공보 제 WO 2007/143535 A2 호 및 미국 특허 제 6,426,716호에 개시되어 있으며, 이들의 전체 내용은 본원에서 참고로 인용된다. 비접촉성 센서(201)는 수면 도중에 사람(202)의 침대 주변에 위치하여, 움직임을 모니터링한다. 이는 전파의 임펄스(이러한 시스템의 현장 실험의 경우 5.8 GHz의 주파수가 5 나노초 의 펄스 길이로 사용됨)를 송신함으로써 작동한다. 이어, 이러한 임펄스의 반영은 전송된 임펄스의 국부 지연 복사(local delayed copy)와 혼합된다. 혼합기 회로는 전송된 펄스와 수신된 펄스 사이의 상 차이에 관련된 신호를 출력하며, 표적이 움직이는 경우에는 이러한 움직임은 상 신호로 변조된다. 이러한 상 신호는 미가공 움직임 신호로서 지칭된다. 유사하게 사용될 수 있는 기타 비접촉성 운동 센서 기술이 있다. 적외선 검출 시스템은 초음파 변환기와 같이 움직임을 검출하는데 사용될 수 있다. 비접촉성 생체 운동 센서의 민감도 및 강건성(robustness)을 향상시키기 위해, 직교 검출 시스템을 구비하는 것이 유용하며, 여기에는 π/4 라디안으로 오프셋되는 이들의 진동의 베이스 상을 갖는 두 개의 센서를 존재하는 것이 효과적이다. 이들 두 개의 효과적인 센서는 단일 공급원 진동기를 이용함으로써 구현될 수 있지만, 이들 베이스 상은 π/4 라디안으로 주기적으로 변조된다.
도 3은 생체 운동 센서(301)로부터의 미가공 움직임 신호가 어떻게 유의한 신체 움직임, 호흡 노력 및 심장 박동수에 상응하는 세 개의 성분으로 분석되는지를 나타낸다. 유의한 신체 움직임은 회전, 다리 움직임 또는 머리 비틀기와 같은 행동에 상응할 수 있다. 심장 박동수 신호는 일 실시형태가 미가공 움직임 신호에 적용되는 대역 필터인 심장 활성 검출기(302)를 이용하여 획득될 수 있다. 이러한 대역 필터는 우선적으로 0.5 내지 10 Hz 범위의 신호를 통과시키며, 이는 심장 박동수 신호를 반영한다. 움직임 및 호흡 인공 산물을 제거하기 위한 예비 가공과 같은 보다 정교한 가공이 필요할 수 있다. 대안적인 접근법은 미가공 신호의 에포크(epoch)를 받아들이고, 이의 전력 스펙트럼 밀도를 생성하는 것이다. 이러한 스펙트럼 밀도에서의 피크(예를 들어, 1 Hz에서의 피크)는 이 같은 에포크(예를 들어, 1 Hz는 분당 60 박동수에 상응함)에 대한 평균 심장 박동수를 확인하기 위해 사용될 수 있다. 이러한 방식으로 심장 박동수 신호가 생성될 수 있다.
유사하게, 호흡 노력 신호는 호흡 검출기(303)에 의해 생성될 수 있으며, 여기서 일 실시형태에서는 미가공 움직임 신호에 적용되는 대역 필터이다. 이러한 대역 필터는 우선적으로 0.05 내지 1 Hz 범위에서 신호를 통과시키며, 이는 호흡 신호를 반영한다. 대안적인 접근법은 미가공 신호의 에포크를 받아들여, 이의 전력 스펙트럼 밀도를 생성하는 것이다. 이러한 스펙트럼 밀도에서의 피크(예를 들어, 0.2 Hz에서의 피크)는 이 같은 에포크(예를 들어, 0.2 Hz는 분당 12회 호흡수에 상응함)에 대한 평균 호흡 속도를 확인하기 위해 사용될 수 있다. 마지막으로, 호흡 또는 심장 활성과 관련이 없는 큰 신체 움직임은 운동 검출기(304)를 위한 기법을 수행하는 운동 검출기(304)를 이용하여 확인될 수 있다. 운동을 검출하기 위한 하나의 방법은 미가공 움직임 신호를 고역대 여과한 후, 여과된 신호의 절대값을 역치하는 것이다. 두 번째 방법은 짧은 에포크(예를 들어, 2초)에 걸쳐 미가공 움직임 신호의 에너지를 산정하는 것이다. 에너지의 진폭이 역치를 초과하는 경우, 움직임이 검출된다. 움직임의 진폭은 이 같은 에포크에서 에너지 값을 산정함으로써 평가될 수 있다. 이러한 방식으로, 활성 회수는 짧은 에포크에 분배될 수 있다. 움직임 신호는 대상이 잠자고 있는 시기를 결정하기 위해 가공된다.
도 4는 생체 운동 센서로부터 획득된 I 및 Q 신호를 조합하는 방법을 예로서 나타낸다. 이러한 예에서, 상 변조로 지칭되는 기법이 사용된다. 이는 I 신호(401) 및 Q 신호(402)가 움직이는 대상의 위치와 선형적으로 상호 관련이 있지만, 오히려 반영된 신호의 상을 나타낸다는 사실로부터 기인한다. 이러한 효과를 보상하기 위해, I 채널의 역사인, I 채널의 역코사인 및 I/Q 비율의 역탄젠트가 산정된다. 이는 세 개의 잠재성 출력 신호를 초래한다: 이들 중 하나는 전반적인 신호의 진폭, 이의 신호 대 잡음 비율, 및 이의 형태를 산정함으로써 선택된다. 변조된 신호는 이어 최종 호흡 움직임 신호(403)를 나타내기 위해 저대역 여과될 수 있다. 이러한 공정은, I 및 Q 신호가 1차적인 호흡 움직임을 나타내는 것으로 여겨지는 경우에만 적용된다.
도 5a 및 도 5b는 만성 질환을 앓고 있는 사람에서 측정된 호흡 패턴의 예를 나타낸다. 도 5a는 체인-스토크형 호흡 또는 주기적 호흡으로서 공지된 일례를 나타낸다. 이러한 호흡 유형에서, 사람의 호흡 노력은 전형적으로는 30 내지 90초의 시간 단위로 주기적으로 증가하고 감소한다. 이는 혈중 산소 및 이산화탄소의 상대적인 양의 제어의 불안정에 의해 야기되며, 일반적으로는 심부전을 앓고 있는 환자에게서 나타난다. 도 5b는 만성 질환, 즉 폐색성 무호흡증에서 나타나는 다른 호흡 사건의 예를 나타낸다. 폐색성 무호흡증에서, 사람의 호흡 노력은 호흡이 다시 시작되기 전에 10 내지 20초 동안 감소한다.
도 6은 호흡 신호 또는 한 세트의 신호로부터 무호흡증 또는 저호흡증 사건을 인식하기 위한 방법의 일례이다. 도 6은 비접촉성 생체 운동 센서가 호흡 움직임과 연관된 두 개의 신호를 반환한다는 것을 보여준다. 소위 I 및 Q 직교 신호가 존재하다. 이들은 상과는 달리 케리어 파장인 90도인 무선 주파수 펄스를 이용함으로써 생성될 수 있다. 이러한 것의 목적은 시스템의 민감도 반응을 완화시키는 것이다. I 및 Q 채널 둘 모두는 호흡 움직임을 포획하지만, 상이한 진폭 및 상을 갖는다. "평균" 호흡 신호를 획득하기 위해, 본 발명자들은 단일 호흡 노력 신호인 R(t)를 형성하기 위해 신호를 조합한다. 이를 수행하기 위한 하나의 수단은 하기 수학식을 산정하는 것이다:
Figure pct00001
상기 식에서, I(t) 및 Q{t)는 각각 I 및 Q 신호의 샘플링된 값을 나타낸다. 이어, 이러한 조합된 신호의 포락선은 다수의 방법, 예를 들어 "피크 검출 및 유지" 방법, 또는 힐버트 변환(Hilert transform)을 이용한 방법을 이용하여 획득될 수 있다.
이어, 이러한 호흡 포락선 신호는 무호흡증 및 저호흡증을 인식하기 위해 과공될 수 있다. 특정한 실시형태로서, 도 7a 및 도 7b에 도시된 결과를 고려한다. 호흡 포락선 신호는 다중 기간(분)에 걸쳐 정규화되었으며, 이어 이의 값은 시간이 지남에 따라 도시된다. 미리 확립된(또는 적응성) 규칙을 이용함으로써 호흡 포락선 신호의 진폭은 다수의 역치와 비교된다. 예를 들어, 이러한 경우에 진폭이 0.7 이상으로 유지되는 경우에 호흡은 정상적인 것으로 간주된다. 포락선이 10초 이상 동안 0.2 내지 0.7 유지되는 경우에는 저호흡증 사건이 산정된다. 포락선이 10초 동안에 0.2 미만으로 떨어지는 경우, 상기 사건은 무호흡증으로 간주된다. 당해 기술분야의 숙련자는 정확한 규칙은 무호흡증 및 저호흡증의 임상적 정의(이는 영역에 따라 다를 수 있음) 및 정규화 및 포락선 추출을 위해 사용된 가공 방법에 의존할 것이라는 것을 이해할 것이다. 이러한 방식으로, 특정한 사건 및 이들의 시작 시간 및 종료 시간이 확립될 수 있다. 예를 들어, 도 7a는 t = 18초의 시간에서 시작하여 t = 31초의 시간에서 종료되는 저호흡증 사건을 나타낸다. 도 7b는 t = 32초의 시간에서 시작하여 t = 49초의 시간에서 종료되는 저호흡증 사건을 나타낸다.
이어, 무호흡증-저호흡증 지수(apnea-hypopnea index, AHI)는 수면 시간당 수면 무호흡증 및 저호흡증의 평균 회수를 산출함으로써 산정된다(예를 들어, 사람이 64회의 수면 무호흡증, 102회의 저호흡증 및 6.3시간 동안의 수면을 하는 경우 이들의 AHI는 166/6.3=26.3). 이는 만성 질환을 앓는 대상의 전반적인 상황을 평가하는데 있어서 중요한 파라미터이다.
이는 또한 주기적 호흡의 사건(도 5a에 도시된 예)를 모니터링하기 위해 많은 만성 질환에 있어서 중요하다. 주기적 호흡 사건을 검출하기 위한 방법의 일 실시형태는 하기와 같이 수행될 수 있다. 호흡 신호의 포락선은 이전 단락에서 토의된 바와 같이 산정된다. 도 8a는 주기적 호흡이 존재하는 동안에 약 5분 동안에 걸쳐 시간의 함수로서 호흡 포락선을 나타낸다. 주기적 호흡은 이러한 예에서 약 80초 기간에 걸쳐 호흡 포락선의 증가 및 감소로서 나타난다.
도 8c는 어떠한 주기적 호흡이 나타나지 않는 동안에 호흡 포락선에 대해 유사한 기간을 나타낸다. 주기적 호흡 사건을 인식하기 위해, 5분의 기간 동안에서의 포락선 신호의 전력 스펙트럼 밀도가 산정된다. 이는 주기적 호흡 신호에 대해 도 8b에 도시되고, 정상 호흡 단편을 위해 도 8d에 도시되어 있다. 주기적 호흡은 대략적으로 0.01 내지 0.03 Hz의 주파수(즉, 33 내지 100초의 특징적인 기간)에서 포락선의 유의한 변조를 야기할 것이다. 이어, 역치 알고리즘은 상기 변조가 주기적 호흡 사건인 것으로 고려되기에 충분한지를 결정하기 위해 사용될 수 있다. 이어, 5분의 기간은 주기적 호흡 단편으로서 특징지어질 수 있다. 이러한 방식으로 주기적 호흡의 사건이 결정된다. 이렇게 확인된 5분 단편의 총 수는 주기적 호흡의 존속 기간을 추정하는 데 사용될 수 있다. 당해 기술분야의 숙련자는 주기적 호흡(체인-스토크형 호흡)을 결정하기 위한 정확한 규칙이 주기적 호흡의 임상적 정의(이는 영역에 따라 다를 수 있음) 및 정규화, 스펙트럼 밀도 추정 및 포락선 추출을 위해 사용된 가공 방법에 의존할 것이라는 것을 이해할 것이다.
이러한 방식으로, 야간 당 주기적 호흡의 총 존속 기간이 결정될 수 있으며, 예를 들어 사람은 특정한 밤에 총 22분의 주기적 호흡을 가질 수 있다.
호흡률 자체를 모니터링하는 것은 또한 만성 질환의 모니터링에서 중요한 파라미터이다. 예를 들어, 급성 호흡 부전의 경우 호흡률은 성인의 경우 분당 15 또는 16회 호흡에 대한 보다 전형적인 기준선으로부터 분당 30회 초과의 호흡수로 증가한다. 도 9a에 도시된 바와 같이, 야간 동안에 호흡률을 추적하기 위한 하나의 기법은 하기와 같다. 앞에서 토의된 비접촉성 센서로부터 획득된 호흡 노력 신호의 경우에 대해, 활주형 윈도우(sliding window)가 데이터(예를 들어, 30초의 시간 길이)에 적용된다. 이어, 전력 스펙트럼 밀도는 평균 피리오도그램(averaged periodogram)과 같은 기법을 이용하여 이 같은 에포크(도 9b)에 대해 산정된다. 전력 스펙트럼 밀도는 전형적으로 약 0.1 내지 0.5 Hz 범위의 호흡 주파수에 상응하는 피크를 함유할 것이다. 이러한 피크는 피크-찾기 알고리즘을 이용함으로써 확인될 수 있다. 몇몇의 경우, 데이터에 대한 과다한 운동 인공 산물이 존재할 수 있으며, 이 같은 경우에 롬브(Lomb) 피리오도그램과 같은 기법은 전력 스펙트럼 밀도(이는 손실된 데이터를 통해 삽입됨)를 추정하기 위해 사용될 수 있다. 대안적으로, 호흡 노력 신호는 자동 회귀 기법(Auto Regressive technique) 또는 자동 회귀 이동 평균 기법(Auto Regressive Moving Average technique)을 이용하는 모델에 적합할 수 있다. 이어, 모델 파라미터는 호흡 주파수를 추정하기 위해 사용될 수 있다. 칼만 여가 기법(Kalman filtering technique)이 또한 사용될 수 있다. 이러한 방식으로, 시간 윈도우에 대한 평균 호흡 주파수가 획득될 수 있다. 이어, 활주형 윈도우는 1초 이상 정도 나아갈 수 있다. 이러한 방식으로, 호흡 주파수의 일련의 시간은 야간 도안에 보강될 수 있다. 야간 동안의 단순한 평균 호흡은 야간 동안에 일련의 시간에 대해 평균화함으로써 획득될 수 있다. 대안적으로는, 호흡 주파수의 보다 복잡한 측정치는 중간 주파수, 호흡 주파수의 변화, 호흡 주파수의 분포(%), 및 호흡 주파수의 자동 상관성과 같이 산정될 수 있다.
도 10은 수면다원 검사로부터 획득된 호흡 노력 및 기류 신호 전체를 이용하여 산정된 기간과 비교해서 생체 운동 센서로부터 획득된 신호를 이용하여 수면성 무호흡증을 앓는 대상에서 산정된 특징적인 변조 기간의 예를 나타낸다. 이러한 체인-스토크형 호흡의 특징적인 변조 기간은 순환 시간과 관련됨에 따라 예후적 유의성을 가질 수 있다. 순환 시간은 완전한 심장 시스템을 통해 혈액 순환하는데 걸리는 대략적인 시간을 나타낸다. 이는 순환하는 총 혈액량(부피:ℓ) 및 심장 출력(CO, 부피/시간: 전형적으로 ℓ/분)을 이용함으로써 계산될 수 있어, 순환 시간(CT)은 (혈액량/심장 출력)으로서 산정될 수 있다. 정상 성인에서, CT는 전형적으로 약 20초이다. 중심부 혈액량의 증가 및/또는 심장 출력의 감소는 순환 시간의 연장을 초래한다. 순환 시간의 증가는 폐와 카로티드 화학 수용체 사이의 피드백 지연을 야기한다. 순환 시간이 연장되는 경우, 폐에서의 환기 장애가 화학 수용체에 의해 센싱되는 시간이 길어질 것이다. 이러한 지연은 환기 및 중심부 또는 체인-스토크형의 주기적 호흡 패턴의 지나친 미달(undershooting) 또는 미달을 초래한다. 따라서 이 같은 방식으로, 체인-스토크형 호흡의 변조 기간을 산정하는 것은 전체 순화 시간으로의 통찰력을 제공한다.
도 11은 임상적 수면다원 검사 측정치를 이용하여 "금 표준" 호흡 측정치에 대하여, 도 2에 도시된 센서로부터 획득된 신호에 기초한 알고리즘을 이용하여 대상의 추정 무호흡증 저호흡증 지수(AHI) 사이의 일치 수준의 예를 보여준다. 이는 85일의 야간 동안에 측정한 것에 기초하고, 높은 일치 수준을 나타낸다. AHI는 심부전을 앓는 대상에서 예후적 유의성을 갖는 것으로 알려져 있다.
야간 심장 박동수에서의 변화는 또한 사람의 전반적인 질환 상황을 결정하는데 있어서 중요한 역할을 할 수 있다. 이상적인 시나리오에서, 사람의 심장 박동수는 단순한 비-침습성 방식으로 모니터링될 수 있다. 상기 시스템의 일 구현예에서, 비접촉성 생체 운동 센서는 심탄동도(심장이 박동함에 따른 사람의 흉부의 기계적인 움직임)를 또한 모니터링하기 위해 사용된다. 도 12에서, 비접촉성 생체 운동 센서를 이용하여 측정된 신호가 도시되어 있다. 심장 박동수 신호는 수신된 움직임 신호의 대역 필터링함으로써 획득되었다. 개개의 펄스는 가시화되며(도 12의 4번째 열 참조), 이들은 펄스 산소 농도계에 의해 관측된 펄스(도 12의 다섯 번째 열)와 비교될 수 있다. 평균 심장 박동수는 심장 박동 신호의 전력 스펙트럼 밀도를 받아들이고, 분당 45 내지 120회의 박동수 범위에서 피크를 찾음으로써 산정될 수 있다. 이러한 경우, 심장 박동수는 분당 약 55 박동수이다. 평균 야간 심장 박동수는 잠자고 있는 기간에서 깨어있는 기간에 걸친 기간 동안에 측정된 심장 박동수를 단순히 평균화함으로써 산정될 수 있다. 이러한 심장 박동수는 상술한 비접촉성 센서로부터 결정될 수 있거나, 압력 민감성 또는 전하 민감성 매트(mat)로부터 획득된 펄스 산소 농도계, 흉부 밴드 심장 박동수 모니터, 임상적 ECG 또는 심탄동도와 같은 기타 기작으로부터 결정될 수 있다.
이어, 임상적 악화의 예측은 분류기 엔진(classifier engine)에 기초한 예측 알고리즘을 이용함으로써 획득될 수 있다. 분류기는 규칙에 기초를 두고 있거나, 선형 판별식 또는 논리 판별식 분류기 모델과 같은 훈련 분류기일 수 있다. 도 13a에서, 규칙 기반 분류기의 예시적인 실시형태가 도시되어 있다. 다양한 결정이 환자로부터의 측정이 기초하여 가능하며,예를 들어, 간호사 호출을 개시하고, 내일 더욱 긴밀하게 데이터를 모니터링하고, 무행동을 모니터링한다. 이들 결정은 측정된 데이터 및 이 같은 환자(및 기타 유사한 환자)에 대해 이전에 수집되었던 데이터에 규칙을 적용함으로써 이루어질 수 있다. 나이 및 성과 같은 인구 통계 정보는 이 같은 대상과 연관된 이전의 데이터의 일부를 형성할 수 있다. 예를 들어, 도 13a에서, 본 발명자들은 두 가지의 한정된 증상의 존재가 어떻게 항상 간호사 호출을 개시할 것(예를 들어, 증상에 대한 질문이 "귀하는 숨이 가쁘다고 느끼십니까" 및 "귀하는 어제보다 악화되었다고 느끼십니까"이어야 함)인지를 나타낸다. 증상의 부재하에서, 적용될 다음 규칙은 유의한 체중 증가가 존재하는지를 체크하는 것일 수 있다. 만약 그렇다면, 이는 유의한 주기적 호흡이 존재하는지를 알아보기 위해 체크를 시작할 수 있으며, 만약 그러한 경우에는 간호사 호출이 이루어질 것이다. 당해 기술분야의 숙련자는 이들 규칙이 학습적으로 유도될 수 있거나, 다수의 기계 학습 알고리즘을 이용하여 유도될 수 있다는 것을 이해할 것이다.
결정 과정의 대안적인 실시형태는 보다 통계학적 기반을 둔 접근법, 예를 들어 도 13b에 도시된 바와 같은 선형, 논리형 또는 2차 방정식 판별식을 이용하는 것일 수 있다. 이들 접근법에서, 호흡 신호(1301) 및 심장 신호(1302)로부터의 데이터는 특징(예를 들어, 호흡 특징은 평균 야간 호흡률, 주기적 호흡의 비율(%),호흡의 변화 등일 수 있음)을 생성하기 위해 사용된다. 증상의 입력은 0 또는 1로 맵핑될 수 있다(여기서, 1은 "예"이고 및 0은 "아니오"임). 예를 들어, "귀하는 숨이 가쁘다고 느끼십니까"와 같은 질문에 대한 대답은 0 또는 1로 맵핑될 수 있으며, 요소(1303)로서 입력될 수 있다. "귀하는 어제보다 악화되었다고 느끼십니까"와 같은 질문에 대한 대답은 요소(1304)에 맵핑될 수 있다. "귀하는 하나 이상의 베개를 이용하십니까"와 같은 질문에 대한 대답은 요소(1305)에 맵핑될 수 있다. 체중 또는 혈압과 같은 아날로그형 측정치는 또한 "점" 특징을 생성하기 위해 사용될 수 있다. 전날 밤의 기록으로부터의 측정 및 인구 통계학적 특징이 또한 포함될 수 있다. 이어, 다양한 공급원으로부터의 특징은 단일 벡터 X 내로 조합된다. 이어, 벡터는 선형 벡터(a)로 곱하여 판별식 값(c)을 생성한다. 이러한 값은 결정을 하기 위해 역치와 비교한다. 역치로부터의 거리는 도한 결정을 위한 후속적인 가능성을 생성하기 위해 사용될 수도 있다.
통계학적 기반을 둔 분류기의 특정한 실시형태로서, 특성 벡터 X가 하기와 같이 구성되어 있는 견본을 고려한다.
X= [평균 호흡률
마지막 5일 야간의 평균치와 비교시의 Δ(평균 호흡률)
90번째 호흡률의 백분률 값(%)
호흡률의 변화
평균 심장 박동수
마지막 5일 야간의 평균치와 비교시의 Δ(평균 심장 박동수)
90번째 심장 박동수의 백분률 값(%)
마지막 5일 야간의 평균치와 비교시의 Δ(체중)
"귀하는 숨이 가쁘다고 느끼십니까"에 대한 반응(0 또는 1)
"귀하는 어제보다 악화되었다고 느끼십니까"에 대한 반응(0 또는 1)
"귀하는 누어있는 경우에 숨이 가쁘다고 느끼십니까"에 대한 반응(0 또는 1)
연령
성별(남성: 1 및 여성: O)]
이러한 경우, 특성 벡터는 13 개의 요소를 갖는다. 선형 행 벡터 α는 값[1.4 3.1 0.8 1.2 1.3 2.4 0.9 3.2 4.1 2.5 3.4 0.1 0.2]으로 나타낼 수 있다. α에 대한 값은 다수의 방식으로 결정될 수 있다. 유용한 파라미터 값을 산정하기 위한 하나의 기법은 측정 훈련 데이터 세트 및 이전 결과를 이용한 후, 파라미터를 최적화하여 기록된 결과를 가장 정확하게 예측하는 것이다. α 값은 상이한 질환에서는 다를 수 있다는 것을 주지한다. 이들은 상이한 환자 그룹에 따라 다를 수도 있거나, 개개의 환자에 있어서 다를 수 있다. 또한 특성 벡터 X는 질환 목록 및 환자 그룹에 따라 전형적으로 다를 것이다.
환자를 모니터링한 특정 야간에 기록된 데이터에 기초하여, αX의 곱은 c = 34.7의 판별식 값을 제공할 수 있다. 이는 30의 역치와 비교될 수 있으며, 30 초과의 역치는 임상적 악화를 나타낸다. 역치로부터의 거리는, 임상적 악화가 발생하였다는 결정의 신뢰도를 나타낸다(예를 들어,c = 40인 경우 본 발명자들은 역치 값이 단지 31인지보다는 사람이 임상적 악화를 갖고 있다는데 더 신뢰하게 된다.
당해 기술분야의 숙련자는, 특성 벡터 X의 값이 공지된 값 및 결과를 포함한 데이터베이스에 대한 사전 학습을 통해서 획득될 수 있거나, 또는 스스로 학습 알고리즘으로 제조될 수 있다는 것을 이해할 것이다.
도 14는 만성 질환의 모니터링에서 상기 시스템이 어떻게 사용될 수 있는지의 예를 나타낸다. 이러한 경우, 심부전을 앓는 사람은 90일 기간 동안 모니터링된다. 이러한 경우, 대상은 호흡 센서, 체중계 및 일부 야간 또는 야간 전체를 거쳐 심장 박동수를 측정하기 위한 장치를 이용하여 모니터링된다. 각각의 야간 기록에 있어서, 하기 파라미터가 기록된다: (a) 깨어있을 때의 체중 및 목욕 전후의 체중("건조 체중"으로도 지칭됨), (b) 추정무 호흡증 저호흡증 지수(AHI), (c) 주기적 호흡 지수, 및 (d) 평균 야간 심장 박동수. 이어, 이들 파라미터 변화는 임상적 사건을 예측하기 위해 사용될 수 있다. 일례로, 본 발명자들은 시스템의 개발에서 추적되었던 전형적인 임상적 사건, 심부전 클리닉에 대한 사무실 방문, 및 계획되지 않은 간호사 호출을 나타냈다. 도 13a 및 도 13b에 도시된 임상적 예측 알고리즘을 사용하여 간호사 호출을 요하는 사건의 발생을 예측한다.
도 15는 도 2에 도시된 비접촉성 생체 운동 센서를 이용하여 약 3주 기간에 걸쳐 모니터링된 2명의 환자로부터 획득된 데이터를 나타낸다. 이는 AHI가 유의하게 변하지 않는다는 것을 나타내며, 이는 임상 기간 동안에 이들 대상의 심부전의 안정한 상황과 일치한다. 5 내지 10회의 기준선으로부터 약 18회로 AHI가 급등한 대상(1)에 대해 9일째 야간을 유일하게 예외로 한다. 이는, 예를 들어 과도한 염분 섭취 또는 나쁜 수면 자세로 인해 증상의 일시적인 악화로부터 기인할 수 있다.
산업적 이용가능성의 설명
본 발명의 장치, 시스템 및 방법은 만성 질환을 갖는 대상을 모니터링하는데 그 용도가 있다. 특히, 임상 결정 과정의 일부로서 사용될 수 있는 임상학적 상태의 변화를 측정하는데 사용될 수 있다.

Claims (23)

  1. 대상을 모니터링하기 위한 시스템에 있어서,
    상기 대상의 측정된 호흡 파라미터를 포함하는 신호를 출력하도록 구성된 센서; 및
    상기 신호를 수신하여 상기 호흡 파라미터로부터 유도된 적어도 복수의 호흡 특징을 메모리에 저장하도록 구성된 분석기를 포함하되,
    상기 분석기는 상기 대상의 건강 평가를 제공하는 출력을 결정하기 위해 상기 복수의 호흡 특징을 선택적으로 조합하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  2. 제 1 항에 있어서, 상기 분석기에 작동 가능하게 결합된 심장 센서를 더 포함하되, 상기 분석기는 검출된 심장 파라미터로부터 유래된 복수의 심장 특징을 저장하도록 더 구성되고, 상기 분석기는 상기 대상의 건강 평가를 제공하는 출력을 결정하기 위해 상기 복수의 호흡 특징과 상기 복수의 심장 특징을 선택적으로 조합하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  3. 제 1 항에 있어서, 상기 대상의 체중의 척도를 제공하는 상기 분석기에 제공되는 입력 신호를 더 포함하는 것을 특징으로 하는 대상의 모니터링 시스템.
  4. 제 1 항에 있어서, 상기 대상으로부터 주관적인 증상 데이터를 제공하는 상기 분석기에 제공되는 입력 신호를 더 포함하는 것을 특징으로 하는 대상의 모니터링 시스템.
  5. 제 1 항에 있어서, 혈압, 강제 호흡량, 최대 호기 유속, 혈중 산소 수준, 혈중 글루코스 수준, 뇌성 나트륨 이뇨 펩티드의 측정치 및 C-반응성 단백질의 측정치로 이루어진 군으로부터 선택된 하나 이상의 생리학적 측정치를 제공하는 상기 분석기에 제공되는 입력 신호를 더 포함하는 것을 특징으로 하는 대상의 모니터링 시스템.
  6. 제 1 항에 있어서, 상기 센서는 상기 대상에 반사된 RF 신호를 수신하도록 구성된 무선 주파수(radio frequency, RF) 센서를 포함하는 것을 특징으로 하는 대상의 모니터링 시스템.
  7. 제 1 항에 있어서, 적어도 상기 센서와 상기 분석기 사이에 데이터를 교환하도록 구성된 데이터 허브를 더 포함하는 것을 특징으로 하는 대상의 모니터링 시스템.
  8. 제 1 항에 있어서, 유도된 움직임 신호는 상 변조 기법을 이용하여 두 개의 직교 움직임 신호의 조합을 통해 산정되는 것을 특징으로 하는 대상의 모니터링 시스템.
  9. 제 1 항에 있어서, 상기 분석기는 호흡 노력의 상대 진폭(relative amplitude)을 나타내는 호흡 노력 포락선(respiratory effort envelope)을 산정하는 것을 특징으로 하는 대상의 모니터링 시스템.
  10. 제 9 항에 있어서, 상기 분석기는 상기 호흡 노력 포락선을 분석함으로써 호흡 패턴을 결정하는 것을 특징으로 하는 대상의 모니터링 시스템.
  11. 제 1 항에 있어서, 상기 분석기는 상기 측정된 호흡 파라미터를 이용하여 수면 무호흡증 및 저호흡증의 발생을 결정하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  12. 제 1 항에 있어서, 상기 분석기는 상기 측정된 호흡 파라미터를 이용하여 주기적인 호흡 발생을 결정하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  13. 제 1 항에 있어서, 상기 분석기는 상기 측정된 호흡 파라미터를 이용하여 특징적인 주기적 호흡의 주기를 결정하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  14. 제 1 항에 있어서, 상기 측정된 호흡 파라미터는 상기 대상의 호흡률을 포함하는 것을 특징으로 하는 대상의 모니터링 시스템.
  15. 제 1 항에 있어서, 상기 분석기는 적어도 상기 측정된 호흡 파라미터에 기초하여 임상적 중재 단계를 제안하고 출력하는 상기 메모리에 저장된 한 세트의 자동화된 규칙을 적용하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  16. 제 1 항에 있어서, 상기 분석기는 적어도 상기 측정된 호흡 파라미터에 기초하여 발생하는 유의한 임상적 악화의 가능성을 산정하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  17. 제 1 항에 있어서, 상기 측정된 호흡 파라미터에서의 동향(trend)이 시각화될 수 있도록 상기 분석기에 작동 가능하게 연결된 디스플레이를 더 포함하는 것을 특징으로 하는 상의 모니터링 시스템.
  18. 제 1 항에 있어서, 상기 센서에 의해 출력된 신호는 호흡 특징, 심장 특징, 및 신체 운동 특징을 포함하는 복합 신호를 포함하고, 상기 분석기는 상기 대상의 건강 평가를 제공하는 출력을 결정하기 위해 상기 호흡 특징, 상기 심장 특징 및 상기 신체 운동 특징을 선택적으로 조합하도록 구성되는 것을 특징으로 하는 대상의 모니터링 시스템.
  19. 대상을 모니터링하기 위한 컴퓨터 구현 방법에 있어서,
    센서를 이용하여 상기 대상의 호흡 파라미터를 측정하는 단계;
    상기 호흡 파라미터로부터 유도된 복수의 호흡 특징을 프로세서로 생성하는 단계; 및
    상기 대상의 건강 평가를 제공하는 출력을 산정하기 위해 상기 복수의 호흡 특징을 조합하는 단계를 포함하는 대상의 모니터링 방법.
  20. 제 19 항에 있어서, 상기 출력을 유도하기 위해 하나 이상의 상기 복수의 호흡 특징을 심장 측정치에 기초한 복수의 특징들과 조합하는 단계를 더 포함하는 것을 특징으로 하는 대상의 모니터링 방법.
  21. 제 19 항에 있어서, 상기 출력을 유도하기 위해 하나 이상의 상기 복수의 호흡 특징을 상기 대상에 의해 표시된 주관적인 증상 데이터에 기초한 복수의 특징들과 조합하는 단계를 더 포함하는 것을 특징으로 하는 대상의 모니터링 방법.
  22. 제 19 항에 있어서, 상기 출력을 유도하기 위해 하나 이상의 상기 복수의 호흡 특징을 체중, 혈압, 강제 호흡량, 최대 호기 유속, 혈중 산소 수준, 혈중 글루코스 수준, 뇌성 나트륨 이뇨 펩티드의 측정치, 및 C-반응성 단백질의 측정치로 이루어진 군으로부터 선택된 하나 이상의 생리학적 측정치와 조합하는 단계를 더 포함하는 것을 특징으로 하는 대상의 모니터링 방법.
  23. 대상의 건강상 변화를 평가하기 위한 컴퓨터 구현 방법에 있어서,
    제 1 기간 동안 대상의 호흡률; 무호흡증 및 저호흡증의 발병률, 및 주기적 호흡의 진폭 및 기간으로 이루어진 군으로부터 선택된 하나 이상의 파라미터를 산정하는 단계;
    상기 제 1 기간 이후에 제 2 기간 동안 상기 그룹으로부터 선택된 상기 하나 이상의 파라미터를 산정하는 단계;
    비교 결과를 얻기 위해 상기 제 1 기간으로부터 산정된 하나 이상의 파라미터를 상기 제 2 기간으로부터 산정된 하나 이상의 파라미터와 비교하는 단계; 및
    상기 비교 결과에 기초하여 건강 상태의 변화를 결정하는 단계를 포함하는 방법.
KR1020117020178A 2009-02-06 2010-02-04 만성 질환 모니터링용 장치, 시스템 및 방법 KR101712974B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/367,255 US9526429B2 (en) 2009-02-06 2009-02-06 Apparatus, system and method for chronic disease monitoring
US12/367,255 2009-02-06
PCT/US2010/023177 WO2010091168A1 (en) 2009-02-06 2010-02-04 Apparatus, system and method for chronic disease monitoring

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020177005657A Division KR101850859B1 (ko) 2009-02-06 2010-02-04 만성 질환 모니터링용 장치, 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20110126646A true KR20110126646A (ko) 2011-11-23
KR101712974B1 KR101712974B1 (ko) 2017-03-07

Family

ID=42116015

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020177005657A KR101850859B1 (ko) 2009-02-06 2010-02-04 만성 질환 모니터링용 장치, 시스템 및 방법
KR1020117020178A KR101712974B1 (ko) 2009-02-06 2010-02-04 만성 질환 모니터링용 장치, 시스템 및 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020177005657A KR101850859B1 (ko) 2009-02-06 2010-02-04 만성 질환 모니터링용 장치, 시스템 및 방법

Country Status (8)

Country Link
US (3) US9526429B2 (ko)
EP (2) EP3769670B1 (ko)
JP (3) JP5753795B2 (ko)
KR (2) KR101850859B1 (ko)
CN (3) CN102355852B (ko)
AU (1) AU2010210569B2 (ko)
CA (1) CA2751649A1 (ko)
WO (1) WO2010091168A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015008936A1 (ko) * 2013-07-18 2015-01-22 삼성전자 주식회사 습관을 이용한 진단 장치 및 진단 관리 장치와 그를 이용한 진단 방법
WO2018037288A3 (en) * 2016-08-26 2018-04-19 Riot Solutions Pvt Ltd A system and method for non-invasive non-contact health monitoring
KR20220034594A (ko) * 2020-09-11 2022-03-18 주식회사 에임메드 불면증 치료방법
KR20220065374A (ko) * 2020-11-13 2022-05-20 가톨릭대학교 산학협력단 호흡기 질환자 관리 단말, 방법 및 기록매체

Families Citing this family (133)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10194810B2 (en) 2004-02-05 2019-02-05 Earlysense Ltd. Monitoring a condition of a subject
EP3616611B1 (en) 2006-06-01 2020-12-30 ResMed Sensor Technologies Limited Apparatus, system, and method for monitoring physiological signs
US8437843B1 (en) 2006-06-16 2013-05-07 Cleveland Medical Devices Inc. EEG data acquisition system with novel features
US9202008B1 (en) * 2007-06-08 2015-12-01 Cleveland Medical Devices Inc. Method and device for sleep analysis
US10426399B1 (en) * 2007-06-08 2019-10-01 Cleveland Medial Devices Inc. Method and device for in-home sleep and signal analysis
CA2720871A1 (en) * 2008-04-03 2009-10-08 Kai Medical, Inc. Non-contact physiologic motion sensors and methods for use
US20100152600A1 (en) * 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
US11696691B2 (en) 2008-05-01 2023-07-11 Hill-Rom Services, Inc. Monitoring, predicting, and treating clinical episodes
US9492105B1 (en) * 2009-02-13 2016-11-15 Cleveland Medical Devices Inc. Device for sleep diagnosis
US8355769B2 (en) * 2009-03-17 2013-01-15 Advanced Brain Monitoring, Inc. System for the assessment of sleep quality in adults and children
AU2010201032B2 (en) * 2009-04-29 2014-11-20 Resmed Limited Methods and Apparatus for Detecting and Treating Respiratory Insufficiency
US9066680B1 (en) 2009-10-15 2015-06-30 Masimo Corporation System for determining confidence in respiratory rate measurements
US9848800B1 (en) 2009-10-16 2017-12-26 Masimo Corporation Respiratory pause detector
JP5739905B2 (ja) * 2009-12-21 2015-06-24 コーニンクレッカ フィリップス エヌ ヴェ Ｂｏｄｅインデックス測定
US9307928B1 (en) 2010-03-30 2016-04-12 Masimo Corporation Plethysmographic respiration processor
US10216893B2 (en) 2010-09-30 2019-02-26 Fitbit, Inc. Multimode sensor devices
US8779966B2 (en) * 2010-11-16 2014-07-15 Tialinx, Inc. Remote interrogation for detection of activity or living organisms inside electronically conductive containers
US10292625B2 (en) 2010-12-07 2019-05-21 Earlysense Ltd. Monitoring a sleeping subject
US10893824B2 (en) * 2010-12-20 2021-01-19 Cardiac Pacemakers, Inc. Heart failure detection with a sequential classifier
US8740793B2 (en) * 2011-08-29 2014-06-03 General Electric Company Radar based systems and methods for monitoring a subject
EP3245945B1 (en) * 2011-11-07 2020-07-22 ResMed Pty Ltd Apparatus for providing ventilation to a patient
NZ717175A (en) * 2012-01-27 2017-07-28 Resmed Ltd Discrimination of cheyne stokes breathing patterns
EP2819572A1 (en) * 2012-03-02 2015-01-07 Mermaid Care A/S Method for calibrating the level of oxygen in respiratory gas related to the level of oxygen in the blood circulation of an individual
JP6013002B2 (ja) * 2012-03-30 2016-10-25 フクダ電子株式会社 生体信号表示装置およびその制御方法
AU2013270443B2 (en) * 2012-05-30 2016-10-13 Resmed Sensor Technologies Limited Method and apparatus for monitoring cardio-pulmonary health
US10856800B2 (en) 2012-06-08 2020-12-08 United States Government As Represented By The Department Of Veterans Affairs Portable polysomnography apparatus and system
US9049998B2 (en) 2012-06-22 2015-06-09 Fitbit, Inc. Biometric monitoring device with heart rate measurement activated by a single user-gesture
US9044149B2 (en) 2012-06-22 2015-06-02 Fitbit, Inc. Heart rate data collection
US8948832B2 (en) 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
US9005129B2 (en) 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
US10525219B2 (en) 2012-06-26 2020-01-07 Resmed Sensor Technologies Limited Methods and apparatus for monitoring and treating respiratory insufficiency
US20140032241A1 (en) * 2012-07-26 2014-01-30 General Electric Company Method, apparatus and computer program product for monitoring clinical state of a subject
RU2533683C2 (ru) 2012-09-21 2014-11-20 Общество с ограниченной ответственностью "НаноПульс" (ООО "НаноПульс") Устройство дистанционного бесконтактного мониторинга параметров жизнедеятельности живого организма
US9039614B2 (en) 2013-01-15 2015-05-26 Fitbit, Inc. Methods, systems and devices for measuring fingertip heart rate
US20140247155A1 (en) * 2013-03-04 2014-09-04 Hello Inc. Methods using a mobile device to monitor an individual's activities, behaviors, habits or health parameters
US10441181B1 (en) 2013-03-13 2019-10-15 Masimo Corporation Acoustic pulse and respiration monitoring system
US11284815B2 (en) * 2013-04-26 2022-03-29 Roche Diabetes Care, Inc. Bolus calculator time keeping between mobile phone application and bG meters
US10143385B2 (en) 2013-05-20 2018-12-04 Cardiac Pacemakers, Inc. Methods and apparatus for stratifying risk of heart failure decompensation
EP2999395A1 (en) 2013-05-20 2016-03-30 Cardiac Pacemakers, Inc. Methods and apparatus for detecting heart failure
US10512407B2 (en) 2013-06-24 2019-12-24 Fitbit, Inc. Heart rate data collection
FR3009184A1 (fr) * 2013-07-31 2015-02-06 Univ Sud Toulon Var Procede et systeme d'identification d'une activite respiratoire
CN103356196A (zh) * 2013-08-08 2013-10-23 中国人民解放军军事医学科学院卫生装备研究所 一种真实人体上呼吸道模型流场压力测量实验装置
US10420490B2 (en) * 2013-09-06 2019-09-24 Xhale Assurance, Inc. Systems and methods for physiological monitoring using multiple signal processing devices
NZ630770A (en) 2013-10-09 2016-03-31 Resmed Sensor Technologies Ltd Fatigue monitoring and management system
EP3077934B1 (en) * 2013-12-06 2021-06-02 Cardiac Pacemakers, Inc. Drug titration and patient monitoring in chronic obstructive pulmonary disease
JP2015116367A (ja) * 2013-12-19 2015-06-25 重人 下山 寝具装置、寝具装置制御方法及びプログラム
JP6169997B2 (ja) * 2014-02-06 2017-07-26 吉田　昌義 心不全又は腎不全発症警告装置
WO2015128842A1 (en) * 2014-02-27 2015-09-03 Technion Research & Development Foundation Ltd. Method device and system for monitoring sub-clincal progression and regression of heart failure
FR3018039B1 (fr) * 2014-03-03 2018-03-23 Alyatec Systeme d'exposition aux allergenes comprenant une chambre de melange entre l'air et les allergenes, separee de la salle d'exposition accueillant les patients
CN106132286B (zh) * 2014-03-07 2020-04-21 心脏起搏器股份公司 多级心力衰竭事件检测
US9931483B2 (en) * 2014-05-28 2018-04-03 Devilbiss Healtcare Llc Detection of periodic breathing during CPAP therapy
US9575560B2 (en) 2014-06-03 2017-02-21 Google Inc. Radar-based gesture-recognition through a wearable device
CN104007450B (zh) * 2014-06-10 2016-09-14 四川宝英光电有限公司 一种用于安全监护的定位方法
JP6385470B2 (ja) * 2014-06-30 2018-09-05 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 対象の健康状態を検出するデバイス、システム及びコンピュータプログラム
US10172568B2 (en) * 2014-07-14 2019-01-08 Medtronic, Inc. Determining prospective risk of heart failure hospitalization
US11141070B2 (en) 2014-07-22 2021-10-12 Teijin Pharma Limited Heart failure evaluation method and diagnosis device
US9811164B2 (en) 2014-08-07 2017-11-07 Google Inc. Radar-based gesture sensing and data transmission
US9778749B2 (en) 2014-08-22 2017-10-03 Google Inc. Occluded gesture recognition
US11169988B2 (en) 2014-08-22 2021-11-09 Google Llc Radar recognition-aided search
US10172593B2 (en) 2014-09-03 2019-01-08 Earlysense Ltd. Pregnancy state monitoring
US9600080B2 (en) 2014-10-02 2017-03-21 Google Inc. Non-line-of-sight radar-based gesture recognition
EP3206565A1 (en) * 2014-10-13 2017-08-23 Koninklijke Philips N.V. Classification of a health state of tissue of interest based on longitudinal features
EP3028629A1 (en) * 2014-12-01 2016-06-08 IMEC vzw System and method for heart rate detection
NZ732493A (en) * 2014-12-08 2022-07-29 Univ Washington Systems and methods of identifying motion of a subject
GB201421785D0 (en) * 2014-12-08 2015-01-21 Oxehealth Ltd Method and apparatus for physiological monitoring
US10136859B2 (en) 2014-12-23 2018-11-27 Michael Cutaia System and method for outpatient management of chronic disease
US9986923B2 (en) * 2015-01-09 2018-06-05 Xerox Corporation Selecting a region of interest for extracting physiological parameters from a video of a subject
US10064582B2 (en) * 2015-01-19 2018-09-04 Google Llc Noninvasive determination of cardiac health and other functional states and trends for human physiological systems
CN105868519A (zh) * 2015-01-20 2016-08-17 中兴通讯股份有限公司 人体特征数据的处理方法及装置
CN104605829A (zh) * 2015-02-03 2015-05-13 南京理工大学 一种非接触式生命体征监护系统的心跳信号优化算法
US10016162B1 (en) 2015-03-23 2018-07-10 Google Llc In-ear health monitoring
US20160284005A1 (en) * 2015-03-25 2016-09-29 Facebook, Inc. Techniques for product, service, and business recommendation
US9848780B1 (en) 2015-04-08 2017-12-26 Google Inc. Assessing cardiovascular function using an optical sensor
EP3286577B1 (en) 2015-04-20 2021-03-17 ResMed Sensor Technologies Limited Detection and identification of a human from characteristic signals
WO2016176574A1 (en) 2015-04-30 2016-11-03 Google Inc. Wide-field radar-based gesture recognition
US10310620B2 (en) 2015-04-30 2019-06-04 Google Llc Type-agnostic RF signal representations
US10241581B2 (en) 2015-04-30 2019-03-26 Google Llc RF-based micro-motion tracking for gesture tracking and recognition
US10080528B2 (en) 2015-05-19 2018-09-25 Google Llc Optical central venous pressure measurement
US9693592B2 (en) 2015-05-27 2017-07-04 Google Inc. Attaching electronic components to interactive textiles
US10088908B1 (en) 2015-05-27 2018-10-02 Google Llc Gesture detection and interactions
US9392946B1 (en) 2015-05-28 2016-07-19 Fitbit, Inc. Heart rate sensor with high-aspect-ratio photodetector element
US10376195B1 (en) 2015-06-04 2019-08-13 Google Llc Automated nursing assessment
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
WO2016205891A1 (en) * 2015-06-26 2016-12-29 Resmed Limited Diagnosis and monitoring of cardio-respiratory disorders
US11179060B2 (en) 2015-07-07 2021-11-23 The Trustees Of Dartmouth College Wearable system for autonomous detection of asthma symptoms and inhaler use, and for asthma management
JP7012005B2 (ja) * 2015-08-10 2022-01-27 コーニンクレッカ フィリップス エヌ ヴェ カプノグラフデバイス及び記憶媒体
EP3340876A2 (en) 2015-08-26 2018-07-04 ResMed Sensor Technologies Limited Systems and methods for monitoring and management of chronic disease
EP3135194A1 (en) * 2015-08-28 2017-03-01 Universite Libre De Bruxelles Improvements in or relating to heart monitoring
US10817065B1 (en) 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
KR20230130173A (ko) * 2015-10-07 2023-09-11 프레코르디오르 오와이 심장 상태를 나타내는 정보를 생성하는 방법 및 장치
US10638980B2 (en) * 2015-10-13 2020-05-05 Koninklijke Philips N.V. System and method for predicting heart failure decompensation
US10264996B2 (en) * 2015-10-19 2019-04-23 Sayfe Kiaei Method and apparatus for wirelessly monitoring repetitive bodily movements
US20180303413A1 (en) * 2015-10-20 2018-10-25 Healthymize Ltd System and method for monitoring and determining a medical condition of a user
WO2017097907A1 (en) * 2015-12-08 2017-06-15 Resmed Limited Non-contact diagnosis and monitoring of sleep disorders
US11206989B2 (en) 2015-12-10 2021-12-28 Fitbit, Inc. Light field management in an optical biological parameter sensor
US10568525B1 (en) 2015-12-14 2020-02-25 Fitbit, Inc. Multi-wavelength pulse oximetry
JP6787679B2 (ja) * 2016-03-24 2020-11-18 新日本無線株式会社 心肺機能測定装置
US10433739B2 (en) 2016-04-29 2019-10-08 Fitbit, Inc. Multi-channel photoplethysmography sensor
WO2017192167A1 (en) 2016-05-03 2017-11-09 Google Llc Connecting an electronic component to an interactive textile
CN107440695B (zh) * 2016-05-31 2020-10-16 佳纶生技股份有限公司 生理信号感测装置
CN106037671A (zh) * 2016-07-11 2016-10-26 西北工业大学 一种基于bcg信号的呼吸暂停事件检测方法及系统
WO2018036896A1 (en) * 2016-08-23 2018-03-01 Koninklijke Philips N.V. Device, system and method for detection of an asthma attack or asthma of a subject
US11844605B2 (en) 2016-11-10 2023-12-19 The Research Foundation For Suny System, method and biomarkers for airway obstruction
EP3541288B1 (en) * 2016-11-15 2023-07-19 Boehringer Ingelheim Vetmedica GmbH Method for predicting a specific respiratory pathogen
JP7258751B2 (ja) * 2016-12-20 2023-04-17 コーニンクレッカ フィリップス エヌ ヴェ 患者の監視
KR101846951B1 (ko) * 2017-02-22 2018-04-09 주식회사 씨씨앤아이리서치 Copd 급성 악화 예측용 애플리케이션
US11051706B1 (en) 2017-04-07 2021-07-06 Fitbit, Inc. Multiple source-detector pair photoplethysmography (PPG) sensor
WO2018191741A1 (en) * 2017-04-14 2018-10-18 Emfit Ltd. Wearable sensor and system thereof
KR101924327B1 (ko) 2017-04-27 2018-12-03 김영수 마이크로웨이브 센서를 이용한 알람 시스템
WO2018200470A1 (en) 2017-04-29 2018-11-01 Cardiac Pacemakers, Inc. Heart failure event rate assessment
US10953192B2 (en) 2017-05-18 2021-03-23 Advanced Brain Monitoring, Inc. Systems and methods for detecting and managing physiological patterns
GB2563205A (en) * 2017-06-01 2018-12-12 Linde Ag System and method for predicting an acute exacerbation of a patient's health condition
WO2019092674A1 (en) 2017-11-13 2019-05-16 University Of Pretoria Asthma warning/prevention system and device
US11346936B2 (en) * 2018-01-16 2022-05-31 Infineon Technologies Ag System and method for vital signal sensing using a millimeter-wave radar sensor
US11457875B2 (en) 2018-03-08 2022-10-04 Panasonic Intellectual Property Corporation Of America Event prediction system, sensor signal processing system, event prediction method, and non-transitory storage medium
JP7316038B2 (ja) * 2018-03-08 2023-07-27 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 事象予測システム、センサ信号処理システム及びプログラム
JP6944402B2 (ja) * 2018-03-08 2021-10-06 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 在不在判定方法、プログラム、センサ処理システム、及びセンサシステム
SG11202008962XA (en) * 2018-03-14 2020-10-29 Chronolife System and method for processing multiple signals
CN109191787A (zh) * 2018-11-08 2019-01-11 宁波市医疗中心李惠利东部医院 用于老人的非接触式生命监测系统
TWI687202B (zh) * 2018-12-21 2020-03-11 緯創資通股份有限公司 非接觸式生命徵象偵測系統與方法
WO2020183458A1 (en) * 2019-03-10 2020-09-17 Earlysense Ltd. Apparatus for monitoring a subject
WO2020222146A1 (en) * 2019-04-30 2020-11-05 Norton (Waterford) Limited Inhaler system
US11583646B2 (en) 2019-05-16 2023-02-21 ResMed Pty Ltd Two-way communications in a medical device
EP3769689A1 (en) * 2019-07-26 2021-01-27 Tata Consultancy Services Limited Method and system for non-contact bio-signal detection using ultrasound signals
US20230000396A1 (en) 2019-09-13 2023-01-05 Resmed Sensor Technologies Limited Systems and methods for detecting movement
CN111281349B (zh) * 2020-03-12 2023-02-17 中科振知医疗器械(济南)有限公司 睡眠呼吸障碍监测方法及系统
CN111407287A (zh) * 2020-04-08 2020-07-14 苏州无双医疗设备有限公司 综合肺压数据进行患者身体参数评分的方法和植入式医疗设备系统
CN111820879A (zh) * 2020-06-23 2020-10-27 浙江清华长三角研究院 一种适用于慢性疾病患者的健康评价管理方法
EP4216816A1 (en) * 2020-09-25 2023-08-02 Analytics For Life Inc. Method and system to assess disease using multi-sensor signals
EP4237052A1 (en) 2020-10-30 2023-09-06 ResMed Pty Ltd Two-way communication in a medical device
CN113397505A (zh) * 2021-06-25 2021-09-17 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种生理信号检测方法及系统
CN113796851B (zh) * 2021-09-30 2024-03-22 喜临门家具股份有限公司 一种呼吸正异常识别方法及装置
KR102451624B1 (ko) * 2021-10-05 2022-10-11 연세대학교 산학협력단 수면 무호흡증 인자를 고려한 심혈관 질환 위험도 분석 시스템 및 그 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070021979A1 (en) * 1999-04-16 2007-01-25 Cosentino Daniel L Multiuser wellness parameter monitoring system
WO2007143535A2 (en) * 2006-06-01 2007-12-13 Biancamed Ltd. Apparatus, system, and method for monitoring physiological signs
WO2008046190A1 (en) * 2006-09-19 2008-04-24 Victhom Human Bionics Inc. Method and system for the monitoring of respiratory activity and for the treatment of breathing disorders such as sleep apnea

Family Cites Families (130)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2634413A (en) 1948-04-08 1953-04-07 Bell Telephone Labor Inc Velocity measuring system utilizing radio technique
US4085740A (en) 1966-03-28 1978-04-25 Lockheed Corporation Method for measuring physiological parameter
GB1378754A (en) 1971-09-07 1974-12-27 Peak Technologies Ltd Patient monitoring
US3911899A (en) 1973-11-08 1975-10-14 Chemetron Corp Respiration monitoring method and apparatus
US3993995A (en) 1975-12-08 1976-11-23 Rca Corporation Respiration monitor
US4122427A (en) * 1976-06-24 1978-10-24 Herbert Karsh Motion monitor
US4513748A (en) 1983-08-30 1985-04-30 Rca Corporation Dual frequency heart rate monitor utilizing doppler radar
JPH0779799B2 (ja) * 1987-07-22 1995-08-30 日本化薬株式会社 呼吸と心拍の評価装置
US4958638A (en) * 1988-06-30 1990-09-25 Georgia Tech Research Corporation Non-contact vital signs monitor
US5203343A (en) 1991-06-14 1993-04-20 Board Of Regents, The University Of Texas System Method and apparatus for controlling sleep disorder breathing
JPH08275927A (ja) 1992-02-13 1996-10-22 Seta:Kk 在宅医療システム及びこのシステムに用いる医療装置
WO1994010902A1 (en) 1992-11-09 1994-05-26 I Am Fine, Inc. Apparatus and method for remote monitoring of physiological parameters
US5314037A (en) 1993-01-22 1994-05-24 Shaw David C H Automobile collision avoidance system
US5361070B1 (en) 1993-04-12 2000-05-16 Univ California Ultra-wideband radar motion sensor
US5519400A (en) 1993-04-12 1996-05-21 The Regents Of The University Of California Phase coded, micro-power impulse radar motion sensor
US5671733A (en) 1994-04-21 1997-09-30 Snap Laboratories, L.L.C. Method of analyzing sleep disorders
US5573012A (en) 1994-08-09 1996-11-12 The Regents Of The University Of California Body monitoring and imaging apparatus and method
US5521600A (en) 1994-09-06 1996-05-28 The Regents Of The University Of California Range-gated field disturbance sensor with range-sensitivity compensation
US5682164A (en) 1994-09-06 1997-10-28 The Regents Of The University Of California Pulse homodyne field disturbance sensor
US5590650A (en) 1994-11-16 1997-01-07 Raven, Inc. Non-invasive medical monitor system
DE19538473A1 (de) 1995-10-16 1997-04-17 Map Gmbh Vorrichtung und Verfahren zur quantitativen Analyse von Schlafstörungen
GB9522872D0 (en) 1995-11-08 1996-01-10 Oxford Medical Ltd Improvements relating to physiological monitoring
US5944680A (en) * 1996-06-26 1999-08-31 Medtronic, Inc. Respiratory effort detection method and apparatus
JPH10155749A (ja) * 1996-12-04 1998-06-16 Hiyuunet Kk 人の健康状態の監視通報システム
US6062216A (en) 1996-12-27 2000-05-16 Children's Medical Center Corporation Sleep apnea detector system
US5828333A (en) 1997-01-21 1998-10-27 Northrop Grumman Corporation Multiple access diplex doppler radar
US5902250A (en) * 1997-03-31 1999-05-11 President And Fellows Of Harvard College Home-based system and method for monitoring sleep state and assessing cardiorespiratory risk
US6011477A (en) 1997-07-23 2000-01-04 Sensitive Technologies, Llc Respiration and movement monitoring system
US5966090A (en) 1998-03-16 1999-10-12 Mcewan; Thomas E. Differential pulse radar motion sensor
US20080076997A1 (en) 1998-04-30 2008-03-27 Abbott Diabetes Care, Inc. Analyte monitoring device and methods of use
US6132371A (en) 1998-05-20 2000-10-17 Hewlett-Packard Company Leadless monitoring of physiological conditions
US6146332A (en) 1998-07-29 2000-11-14 3416704 Canada Inc. Movement detector
JP3057438B2 (ja) 1998-09-11 2000-06-26 日本アビオニクス株式会社 非接触式心肺機能監視装置
US6358201B1 (en) 1999-03-02 2002-03-19 Doc L. Childre Method and apparatus for facilitating physiological coherence and autonomic balance
US6821249B2 (en) 1999-03-08 2004-11-23 Board Of Regents, The University Of Texas Temperature monitoring of congestive heart failure patients as an indicator of worsening condition
US6492933B1 (en) 1999-09-02 2002-12-10 Mcewan Technologies, Llc SSB pulse Doppler sensor and active reflector system
US6661345B1 (en) 1999-10-22 2003-12-09 The Johns Hopkins University Alertness monitoring system
US6839581B1 (en) 2000-04-10 2005-01-04 The Research Foundation Of State University Of New York Method for detecting Cheyne-Stokes respiration in patients with congestive heart failure
GB2364390B (en) 2000-07-03 2004-11-17 Yousri Mohammad Tah Haj-Yousef A method and device for detecting and monitoring concealed bodies and objects
US6752151B2 (en) 2000-09-25 2004-06-22 Respironics, Inc. Method and apparatus for providing variable positive airway pressure
US6426716B1 (en) 2001-02-27 2002-07-30 Mcewan Technologies, Llc Modulated pulse doppler sensor
WO2002102242A1 (en) 2001-06-15 2002-12-27 Sumitomo Osaka Cement Co., Ltd. Monitoring apparatus
US7149570B2 (en) 2001-10-27 2006-12-12 Koninklijke Philips Electronics N.V. Alarm activated acoustic measuring signals for patient monitoring
US6834251B1 (en) 2001-12-06 2004-12-21 Richard Fletcher Methods and devices for identifying, sensing and tracking objects over a surface
IL147502A0 (en) * 2002-01-07 2002-08-14 Widemed Ltd Self-adaptive system, for the analysis of biomedical signals of a patient
US20030144829A1 (en) * 2002-01-25 2003-07-31 Geatz Michael W. System and method for sensing and evaluating physiological parameters and modeling an adaptable predictive analysis for symptoms management
US7468032B2 (en) * 2002-12-18 2008-12-23 Cardiac Pacemakers, Inc. Advanced patient management for identifying, displaying and assisting with correlating health-related data
US6753780B2 (en) 2002-03-15 2004-06-22 Delphi Technologies, Inc. Vehicle occupant detection system and method using radar motion sensor
JP4164301B2 (ja) 2002-07-16 2008-10-15 株式会社日立製作所 多周波ｐｌｌ発振器及びそれを用いた多周波ｃｗレーダ
US7272431B2 (en) 2002-08-01 2007-09-18 California Institute Of Technology Remote-sensing method and device
CA2397185A1 (fr) 2002-08-05 2004-02-05 Christian Cloutier Moniteur d'activite pour bebe
US7819814B2 (en) * 2002-10-21 2010-10-26 Noam Gavriely Acoustic assessment of the heart
US7065409B2 (en) * 2002-12-13 2006-06-20 Cardiac Pacemakers, Inc. Device communications of an implantable medical device and an external system
DE10259522A1 (de) 2002-12-19 2004-07-01 Robert Bosch Gmbh Radargestützte Sensierung von Lage und/oder Bewegung des Körpers oder im Körper von Lebewesen
US7438686B2 (en) * 2003-01-10 2008-10-21 Medtronic, Inc. Apparatus and method for monitoring for disordered breathing
JP2004252770A (ja) 2003-02-20 2004-09-09 Omron Corp 溺没検知装置
IL155955A0 (en) 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
US6932769B2 (en) 2003-05-28 2005-08-23 Delphi Technologies, Inc. Ultrasonic occupant detection and classification system
US20040249257A1 (en) * 2003-06-04 2004-12-09 Tupin Joe Paul Article of manufacture for extracting physiological data using ultra-wideband radar and improved signal processing techniques
EP1938862B1 (en) 2003-08-18 2011-10-19 Cardiac Pacemakers, Inc. Disordered breathing management system and methods
US7572225B2 (en) * 2003-09-18 2009-08-11 Cardiac Pacemakers, Inc. Sleep logbook
ATE413902T1 (de) 2003-08-18 2008-11-15 Cardiac Pacemakers Inc Patientenüberwachungssystem
JP4750032B2 (ja) * 2003-08-18 2011-08-17 カーディアック ペースメイカーズ， インコーポレイテッド 医療用装置
US8002553B2 (en) * 2003-08-18 2011-08-23 Cardiac Pacemakers, Inc. Sleep quality data collection and evaluation
JP4472294B2 (ja) 2003-08-22 2010-06-02 株式会社サトー 睡眠時無呼吸症候群診断装置、並びに、信号解析装置及びその方法
EP1661511A1 (en) 2003-09-02 2006-05-31 Matsushita Electric Industrial Co., Ltd. Biological sensor and support system using the same
EP1681018A1 (en) 2003-10-07 2006-07-19 Olympus Corporation Sleep aspiration state measurement device
EP2508124A3 (en) 2003-11-18 2014-01-01 Adidas AG System for processing data from ambulatory physiological monitoring
US7306564B2 (en) 2003-11-26 2007-12-11 Denso Corporation Breath monitor
JP2005152328A (ja) * 2003-11-26 2005-06-16 Denso Corp 無呼吸症候群の検査装置
US7199749B2 (en) 2003-12-12 2007-04-03 Georgia Tech Research Corporation Radar detection device employing a scanning antenna system
US7524279B2 (en) * 2003-12-31 2009-04-28 Raphael Auphan Sleep and environment control method and system
US7314451B2 (en) * 2005-04-25 2008-01-01 Earlysense Ltd. Techniques for prediction and monitoring of clinical episodes
US8403865B2 (en) 2004-02-05 2013-03-26 Earlysense Ltd. Prediction and monitoring of clinical episodes
US20070118054A1 (en) * 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
JP4392409B2 (ja) 2004-02-09 2010-01-06 アンリツ株式会社 レーダ装置
JP4620959B2 (ja) 2004-03-26 2011-01-26 キヤノン株式会社 生体情報モニタ装置
US7145249B2 (en) 2004-03-29 2006-12-05 Intel Corporation Semiconducting device with folded interposer
US7473228B2 (en) 2004-07-08 2009-01-06 Delphi Technologies, Inc. System and method for monitoring a respiration rate of an occupant of a predetermined volume
JP2006026208A (ja) 2004-07-20 2006-02-02 Sharp Corp 健康管理システム
US7679545B2 (en) 2004-08-05 2010-03-16 Georgia Tech Research Corporation Suppressing motion interference in a radar detection system
JP4543822B2 (ja) 2004-08-23 2010-09-15 株式会社デンソー 眠気検出装置
US20060079164A1 (en) 2004-09-30 2006-04-13 Decastro Eugene A Automatic sash safety mechanism
JP4392427B2 (ja) 2004-10-14 2010-01-06 アンリツ株式会社 小型で且つ消費電力が少ない短パルスレーダ及びその制御方法
ATE526872T1 (de) * 2004-11-02 2011-10-15 Univ Dublin Schlafüberwachungssystem
US7578793B2 (en) 2004-11-22 2009-08-25 Widemed Ltd. Sleep staging based on cardio-respiratory signals
US7814324B2 (en) 2005-02-24 2010-10-12 Hewlett-Packard Development Company, L.P. Method of making a patient monitor
WO2006115704A1 (en) 2005-04-22 2006-11-02 University Of Florida Research Foundation , Inc. System and methods for remote sensing using double-sideband signals
JP4595651B2 (ja) * 2005-04-25 2010-12-08 株式会社デンソー 生体センサ、睡眠情報処理方法、及び睡眠情報処理装置
US7387607B2 (en) 2005-06-06 2008-06-17 Intel Corporation Wireless medical sensor system
JP2007007149A (ja) * 2005-06-30 2007-01-18 Daikin Ind Ltd 健康管理装置
CN101222873A (zh) 2005-07-15 2008-07-16 皇家飞利浦电子股份有限公司 用于检测心脏活动的装置
US20070027367A1 (en) 2005-08-01 2007-02-01 Microsoft Corporation Mobile, personal, and non-intrusive health monitoring and analysis system
KR100717405B1 (ko) 2005-09-09 2007-05-11 삼성전자주식회사 생체 신호 측정기 및 이를 이용한 건강 관리 방법
KR100791371B1 (ko) 2005-10-07 2008-01-07 삼성전자주식회사 숙면 및 기상 유도 장치 및 방법
US8026840B2 (en) 2005-10-28 2011-09-27 Raytheon Company Biometric radar system and method for identifying persons and positional states of persons
US20070106129A1 (en) * 2005-11-07 2007-05-10 Cardiac Pacemakers, Inc. Dietary monitoring system for comprehensive patient management
JP5070701B2 (ja) 2006-01-10 2012-11-14 株式会社デンソー 寝具に加わる被験者の荷重変化により得られる呼吸信号の解析方法および装置
KR101414586B1 (ko) 2006-03-06 2014-07-03 센시오텍 아이엔씨 초광대역 모니터링 시스템 및 안테나
US7819816B2 (en) 2006-03-29 2010-10-26 Cardiac Pacemakers, Inc. Periodic disordered breathing detection
US20080077015A1 (en) 2006-05-17 2008-03-27 Olga Boric-Lubecke Determining presence and/or physiological motion of one or more subjects with multiple receiver Doppler radar systems
US20080071185A1 (en) * 2006-08-08 2008-03-20 Cardiac Pacemakers, Inc. Periodic breathing during activity
US8226570B2 (en) * 2006-08-08 2012-07-24 Cardiac Pacemakers, Inc. Respiration monitoring for heart failure using implantable device
WO2008037020A1 (en) * 2006-09-27 2008-04-03 Resmed Ltd Methods and apparatus for assessing sleep quality
JP2008110138A (ja) 2006-10-31 2008-05-15 Ngk Spark Plug Co Ltd 呼吸用プログラム、記録媒体、及び呼吸状態判定装置
WO2008057883A2 (en) * 2006-11-01 2008-05-15 Biancamed Limited System and method for monitoring cardiorespiratory parameters
US7868757B2 (en) 2006-12-29 2011-01-11 Nokia Corporation Method for the monitoring of sleep using an electronic device
WO2008096307A1 (en) 2007-02-07 2008-08-14 Philips Intellectual Property & Standards Gmbh Sleep management
EP2008679A1 (en) 2007-06-28 2008-12-31 General Electric Company Patient breathing system
US7898455B2 (en) 2007-07-17 2011-03-01 Rosenbury Erwin T Handheld instrument capable of measuring heartbeat and breathing motion at a distance
CN101108125B (zh) 2007-08-02 2010-06-16 无锡微感科技有限公司 一种身体体征动态监测系统
US8043215B2 (en) * 2007-08-07 2011-10-25 Cardiac Pacemakers, Inc. Drug titration utilizing an implantable medical device
WO2009036327A1 (en) 2007-09-14 2009-03-19 Corventis, Inc. Adherent device for respiratory monitoring and sleep disordered breathing
CA2720871A1 (en) 2008-04-03 2009-10-08 Kai Medical, Inc. Non-contact physiologic motion sensors and methods for use
US20100152600A1 (en) 2008-04-03 2010-06-17 Kai Sensors, Inc. Non-contact physiologic motion sensors and methods for use
JP5628147B2 (ja) * 2008-04-16 2014-11-19 コーニンクレッカ フィリップス エヌ ヴェ 睡眠／覚醒状態評価方法及びシステム
GB0807039D0 (en) 2008-04-17 2008-05-21 Oxford Biosignals Ltd Method and apparatus for measuring breathing rate
JP5596670B2 (ja) 2008-05-09 2014-09-24 コーニンクレッカ フィリップス エヌ ヴェ 患者の非接触呼吸モニタリング
US20100099954A1 (en) 2008-10-22 2010-04-22 Zeo, Inc. Data-driven sleep coaching system
GB2471902A (en) 2009-07-17 2011-01-19 Sharp Kk Sleep management system which correlates sleep and performance data
GB2471903A (en) 2009-07-17 2011-01-19 Sharp Kk Sleep management system for monitoring sleep quality and making recommendations for improvement
US10010253B2 (en) 2010-03-17 2018-07-03 Hypnocore Ltd. Sleep analysis based on inter beat interval
EP2417908A1 (en) 2010-08-12 2012-02-15 Philips Intellectual Property & Standards GmbH Device, system and method for measuring vital signs
WO2012038877A1 (en) 2010-09-22 2012-03-29 Koninklijke Philips Electronics N.V. Method and apparatus for monitoring the respiration activity of a subject
EP2460464A1 (en) 2010-12-03 2012-06-06 Koninklijke Philips Electronics N.V. Sleep disturbance monitoring apparatus
US20120245479A1 (en) 2011-03-23 2012-09-27 Meena Ganesh Physiology Monitoring and Alerting System and Process
US8740793B2 (en) 2011-08-29 2014-06-03 General Electric Company Radar based systems and methods for monitoring a subject
WO2013093712A1 (en) 2011-12-22 2013-06-27 Koninklijke Philips Electronics N.V. Wake-up system
US10158257B2 (en) 2014-05-01 2018-12-18 Energous Corporation System and methods for using sound waves to wirelessly deliver power to electronic devices
JP2018531370A (ja) 2015-08-14 2018-10-25 レスメッド センサー テクノロジーズ リミテッド デジタルレンジゲート無線周波数センサー

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070021979A1 (en) * 1999-04-16 2007-01-25 Cosentino Daniel L Multiuser wellness parameter monitoring system
WO2007143535A2 (en) * 2006-06-01 2007-12-13 Biancamed Ltd. Apparatus, system, and method for monitoring physiological signs
WO2008046190A1 (en) * 2006-09-19 2008-04-24 Victhom Human Bionics Inc. Method and system for the monitoring of respiratory activity and for the treatment of breathing disorders such as sleep apnea

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015008936A1 (ko) * 2013-07-18 2015-01-22 삼성전자 주식회사 습관을 이용한 진단 장치 및 진단 관리 장치와 그를 이용한 진단 방법
JP2016529606A (ja) * 2013-07-18 2016-09-23 サムスン エレクトロニクス カンパニー リミテッド 習慣を用いた診断装置及び診断管理装置及び方法
WO2018037288A3 (en) * 2016-08-26 2018-04-19 Riot Solutions Pvt Ltd A system and method for non-invasive non-contact health monitoring
KR20220034594A (ko) * 2020-09-11 2022-03-18 주식회사 에임메드 불면증 치료방법
KR20230004366A (ko) * 2020-09-11 2023-01-06 주식회사 에임메드 학습 알고리즘 기반의 불면증 치료 서비스를 제공하는 장치
KR20220065374A (ko) * 2020-11-13 2022-05-20 가톨릭대학교 산학협력단 호흡기 질환자 관리 단말, 방법 및 기록매체

Also Published As

Publication number Publication date
KR20170026656A (ko) 2017-03-08
EP3769670B1 (en) 2024-03-27
CN104257369A (zh) 2015-01-07
US10799126B2 (en) 2020-10-13
WO2010091168A1 (en) 2010-08-12
US20170231504A1 (en) 2017-08-17
CN102355852A (zh) 2012-02-15
US20100204550A1 (en) 2010-08-12
CN104257370B (zh) 2019-11-05
JP2015165930A (ja) 2015-09-24
EP3769670A1 (en) 2021-01-27
US11931131B2 (en) 2024-03-19
AU2010210569B2 (en) 2015-04-23
CN102355852B (zh) 2015-03-11
CN104257370A (zh) 2015-01-07
JP2012517293A (ja) 2012-08-02
CA2751649A1 (en) 2010-08-12
JP6086939B2 (ja) 2017-03-01
KR101850859B1 (ko) 2018-04-20
JP6434548B2 (ja) 2018-12-05
US20200405157A1 (en) 2020-12-31
JP2017094188A (ja) 2017-06-01
KR101712974B1 (ko) 2017-03-07
JP5753795B2 (ja) 2015-07-22
US9526429B2 (en) 2016-12-27
EP2393422A1 (en) 2011-12-14
EP2393422B1 (en) 2020-06-10
AU2010210569A1 (en) 2011-08-25

Similar Documents

Publication Publication Date Title
JP6434548B2 (ja) 慢性疾患モニタリングのための機器、システム及び方法
JP7104076B2 (ja) 睡眠統計を決定する方法及び装置
US20120132211A1 (en) Monitoring endotracheal intubation
US20170209074A1 (en) Method and apparatus for assessing respiratory distress
US20160120464A1 (en) Discrimination of cheyne-stokes breathing patterns by use of oximetry signals
US20220167856A1 (en) Lung function monitoring from heart signals
Riha et al. ERS technical standards for using type III devices (limited channel studies) in the diagnosis of sleep disordered breathing in adults and children
Yeo et al. Respiratory event detection during sleep using electrocardiogram and respiratory related signals: Using polysomnogram and patch-type wearable device data
Khandoker et al. Modeling respiratory movement signals during central and obstructive sleep apnea events using electrocardiogram
Heise et al. Unobtrusively detecting apnea and hypopnea events via a hydraulic bed sensor
AU2015201380B2 (en) Apparatus, system and method for chronic disease monitoring
Løberg Measuring the signal quality of respiratory effort sensors for sleep apnea monitoring: A metric based approach
JP7478473B2 (ja) レーダを利用して病症を判断する装置、方法及びコンピュータプログラム
Sarteschi et al. Respiratory Rate Estimation via Sensor Pressure Mattress: a single subject evaluation
Rubio Computer-aided analysis of infant respiratory patterns
Fekr Exploring Human Respiratory Information through a Design of a Wearable E-health Monitoring System
Coxon Detection of sleep disordered breathing and respiratory changes related to impending decompensation of cardiac failure

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20200129

Year of fee payment: 4